Tech Meridian ← К СУЩНОСТЯМ
PROМОЙ MERIDIAN EN

КОМПАНИЯ · ENTITY #8627

Qwen3.6

Хронология связанных событий, источники и контекст из новостной базы.

ХРОНОЛОГИЯ СОБЫТИЙ

3

RESEARCH · 1 ИСТОЧН. · The Decoder

Исследование: «харнессы» агентов увеличивают токен‑затраты, но редко повышают качество

Исследователи Шаньдунского университета (Лю и Хань) протестировали пять моделей с тремя готовыми «харнессами» (Claude Code, OpenCode, mini-SWE-agent) на SWE-bench Verified и пуле из 447 задач и выяснили, что замена харнесса почти не меняет результаты сверх случайного разброса, тогда как затраты токенов могут увеличиваться в три раза из‑за объёмных системных промптов и повторной передачи контекста. OpenCode отстаёт на большом пуле (частично из‑за ограничения вывода), а многие заявленные преимущества не превышают порогов статистической значимости.

7.0

MODELS · 1 ИСТОЧН. · Hugging Face

Компания H выпускает агентные модели Holo4 (27B и 35B-A3B) и Holotron4 Nano

Компания H объявила о Holo4 — новой серии универсальных агентных моделей (Holo4-27B и Holo4-35B-A3B), доступных через H Models API, а также о выпуске Holotron4 Nano. Модели обучены взаимодействовать через GUI, кодовые песочницы, Android/веб и API, показали результаты на OSWorld 2.0 и AutomationBench и H опубликовала траектории оценок на trajectories.hcompany.ai и Hugging Face.

7.0

MODELS · 1 ИСТОЧН. · arXiv cs.AI

Pistis: семейство мультимодальных LLM на 27B и 9B с посттренингом IDRL (arXiv:2609.28554v1)

В работе arXiv:2609.28554v1 представлено семейство моделей Pistis — мультимодальные LLM на 27B и 9B параметров, созданные на базе Qwen3.6 и Qwen3.5 и обученные через масштабируемый посттренинговый фреймворк: крупномасштабный мультимодальный SFT, затем новый метод Interleaved Distillation and Reinforcement Learning (IDRL). Описаны две специализации (Pistis-Thinking для глубинного мультимодального рассуждения и Pistis-Agentic для планирования на длинной горизонте и использования инструментов), а также системный метод Pistis-Auto-Harnessing (PAH); обе шкалы превосходят свои базовые модели, причём Agentic-сборка особенно сильна в мультимодальном поиске.

7.0