Opus 5

2026-10-31

RESEARCH · 1 ИСТОЧН. · WIRED AI

Exin Therapeutics использовала AI-агента (Claude Sonnet 5) для инъекции в мозг мыши

Основатель Exin Therapeutics Габриэль Окана Сантеро сообщил, что AI-агент управлял самодельным роботизированным хирургическим оборудованием, выбирал терапию и направлял инъектор для выполнения инъекции в мозг живой мыши; сначала тестировали Claude Opus 5.5 (он отказался вводить препарат), затем использовали Claude Sonnet 5. В качестве защит были предусмотрены человеческое одобрение плана, аварийное отключение моторов и ограниченный доступ к коду, но сбой в системе координат потребовал отдельного агента для изменения кода и задержал процедуру.

7.0

2026-10-26

MODELS · 1 ИСТОЧН. · The Decoder

Исследование NYU и Техасского университета выявило шесть лингвистических паттернов, делающих текст LLM утомительным

Исследователи из NYU и Техасского университета проанализировали выводы 14 языковых моделей (120 бесед, 45 сессий кодирования, 980 эссе) и выявили шесть повторяющихся лингвистических паттернов — необычные сочетания слов, дальние зависимости в предложениях, опущенные связки, стекающиеся существительные, превращение существительных в глаголы и перенос признаков одушевлённости — которые делают текст моделей менее удобным для чтения по сравнению с человеческим. В работе отмечается вариативность между моделями (Llama и Olmo ближе к людям; внутри Olmo улучшения с instruct→reasoning, Opus 5.5 улучшил читабельность), связывается проблема с целями обучения (переход от RLHF к RLVR) и показано, что штрафы за длину в тренировке могут повысить читаемость.

7.0

2026-10-01

MODELS · 1 ИСТОЧН. · The Decoder

OpenAI остановила кампанию по извлечению рассуждений моделей, но исследователи вновь получили рассуждения через Azure

OpenAI сообщила, что обнаружила и остановила скоординированную кампанию «adversarial distillation», которая пыталась извлечь защищённые цепочки рассуждений моделей, зафиксировав всплеск запросов в июле и заблокировав тысячи аккаунтов к 28 июля. Однако команда исследователя Йоахима Шеффера показала, что те же методы всё ещё позволяли извлечь рассуждения через облачные платформы (в частности Microsoft Azure), включая GPT-6 Astra и ряд моделей Anthropic, пока соответствующие точки доступа не были закрыты в конце сентября.

8.0

2026-09-26

RESEARCH · 1 ИСТОЧН. · The Decoder

SoL‑Pi от Nvidia автоматизирует оптимизацию harness и почти вдвое сокращает использование токенов

Исследователи Nvidia представили SoL‑Pi — систему, которая автоматически предлагает и тестирует изменения в управляющем слое (harness) кодирующих агентов. На задачах EdgeBench самая эффективная конфигурация SoL‑Pi потребляла на 44.7–49% меньше токенов при достижении примерно 93.7% производительности harness Pi; систему оптимизировали на GPT‑5.6 Sol и применили к Opus 5 с сопоставимой экономией, но более редким срабатыванием механизмов; в работе приведены оценки часовой экономии на API.

7.0

2026-09-23

MODELS · 4 ИСТОЧН. · TechCrunch AI · The Verge AI · The Decoder · AWS Machine Learning

Anthropic выпускает Opus 5.5 с повышенной производительностью и сниженной ценой

Anthropic представила Opus 5.5 — более быстрый и более дешёвый преемник Opus 5, который, по утверждению компании, превосходит более крупную модель Fable по ряду задач кодирования и интеллектуальной работы. Стоимость выходных токенов снижена (теперь $20 за mTok против $25 у Opus 5), модель реже использует жаргон и ставит важную информацию в начало ответа; в ближайшее время ожидаются Sonnet 5.5 и Haiku 5.5. Выпуск подпадает под те же меры безопасности, что и Fable, и проходил внешнюю оценку.

8.0

2026-09-18

MODELS · 4 ИСТОЧН. · Anthropic · TechCrunch AI · The Verge AI · The Decoder

Anthropic выпускает Claude Opus 5 — недорогая модель с близкой к фронтирной мощностью

Anthropic объявила Claude Opus 5 — новую модель, позиционируемую как более экономичный преемник Opus 4.8 и новый стандарт по умолчанию в Claude Max (а также сильнейшую в Claude Pro). По данным Anthropic, Opus 5 достигла или превзошла предыдущие модели на ряде бенчмарков для программирования, задач знания и науки (Frontier‑Bench, GDPval‑AA, CursorBench, ARC‑AGI, Zapier AutomationBench, OSWorld) при меньшей стоимости выполнения, но отстаёт от Mythos 5 в задачах по кибербезопасности и биологии; компания также указывает на улучшенную выравненность и безопасность и публикует System Card.

8.0

2026-09-16

MODELS · 1 ИСТОЧН. · xAI

Анализ LatchBio: Grok 4.6 лучше всех отвергает замаскированные биологические угрозы в BioSecBench

LatchBio опубликовала независимый анализ Grok 4.6 по наборам тестов BioSecBench. В тесте BioSecBench-Refusal Grok 4.6 занял первое место (средневзвешенное гармоническое 62,1%), отказав в 59,2% red-team задач и выполнив 64,8% рутинных задач (единственная модель с показателями >50% по обоим направлениям); в BioSecBench-Surveillance успех составил 53,5%, что ниже Opus 5 и выше GPT-5.6 Sol. Отчёт указывает на использование разных агентных оболочек и уровней усилий; дополнительные результаты доступны на benchmarks.bio.

7.0

2026-09-16

MODELS · 1 ИСТОЧН. · Anthropic

Fable 5 обновляет биозащиту, сокращая биологические переключения примерно на 85%

Разработчики обновили классификаторы биобезопасности Fable 5, существенно снизив число ложных срабатываний: по внутренним тестам биологические переключения снизились примерно на 85%, поэтому пользователи будут гораздо реже автоматически переводиться на менее мощный Opus 5 при повседневных вопросах о здоровье, обучении и некоторых клинических запросах. В запросах с высоким риском двойного использования (например, вирусология, токсикология, молекулярный дизайн) система по-прежнему перенаправляет на Opus 5, а доступ к передовым биовозможностям планируется через механизмы доверенного доступа.

8.0

2026-09-04

MODELS · 1 ИСТОЧН. · GitHub AI & ML

Проект HydraFusion — исследовательский превью с мульти-модельной оркестровкой в GitHub Copilot

GitHub выпустила исследовательский превью Project HydraFusion в GitHub Copilot. В контролируемых оффлайн-оценках селективные рабочие процессы кодирования HydraFusion соответствовали или превосходили оценивавшийся базовый Opus 5 и при этом снизили оценочную стоимость рабочих процессов, говорится в публикации на блоге GitHub.

6.0