#LLM
Подборка материалов по теме «LLM»: релизы, исследования, бенчмарки, опенсорс.
OpenWiki от LangChain: открытая документация репозитория для AI-агентов
LangChain выпустила open-source инструмент OpenWiki — он автоматически генерирует документацию кода, чтобы кодовые AI-агенты быстрее находили нужный контекст в…
LangChain сравнила GPT-4, Claude и open-source LLM в извлечении данных
LangChain опубликовала бенчмарк по извлечению структурированных данных из чатов: GPT-4, модели Claude и открытые LLM сравнили на одном наборе задач и метрик.
LangChain: claude-3.5-sonnet, gpt-4o, o1 и o3-mini протестировали как ReAct-агентов
LangChain протестировала claude-3.5-sonnet, gpt-4o, o1 и o3-mini в роли ReAct-агента, чтобы узнать, как рост числа инструкций и инструментов влияет на качество…
LangChain научила LangSmith точнее совмещать вердикты LLM-as-a-Judge с оценками людей
Гайд по Claude Fable 5: почему качество работы модели зависит от прояснения неизвестных
Palantir выпустил манифест о суверенном ИИ и данных на фоне 54% выручки от госзаказов
Anthropic возобновила работу Claude Fable 5 после снятия экспортных ограничений США
Исследование: ИИ-агент с явными социальными нормами координируется с людьми почти в 4 раза лучше
Исследование показало: ИИ-агент, обученный явным социальным нормам пешеходов и водителей, координируется с людьми почти в 4 раза лучше базовой модели.
Large Behavior Model: языковая модель научилась предсказывать покупки как цифровой двойник
Исследователи представили Large Behavior Model — языковую модель, обученную на данных о покупках и предсказывающую решения покупателя как цифровой двойник.
Simon Willison с помощью GPT-5.5 создал веб-компонент для встраивания кода GitHub
Simon Willison выпустил llm 0.31.1 с фиксом бага в вызовах инструментов
Пост про отказ от AI-кодинга набрал 1038 баллов на Hacker News — автор Habr сделал другой вывод
Перевод на Habr объясняет, как на самом деле работают LLM на архитектуре трансформера
OpenAI выпустила GPT-Realtime-2.1 и mini-версию для голосовых агентов в API
OpenAI добавила в API две модели для голосовых агентов — GPT-Realtime-2.1 и GPT-Realtime-2.1-mini, снизив задержку p95 минимум на 25% за счёт кеширования.
Правительство Альберты нашло уязвимости в 466 миллионах строк кода с помощью Claude
Anthropic 6 июля 2026 года рассказала, как Claude Code с моделями Opus и Sonnet проверил 466 млн строк госкода Альберты за 20 часов силами 50 агентов.