#LLM

LLM·Anthropic Engineering

Anthropic описала evals для ИИ-агентов: три типа грейдеров и SWE-bench с 40% до 80%

Anthropic опубликовала практическое руководство по тестированию ИИ-агентов: терминология, три типа грейдеров, разделение capability и regression evals. SWE-bench…

LLM·Anthropic Engineering

Anthropic трижды переписывала тестовое: Claude Opus 4.5 догнал лучших инженеров

Тестовое для инженеров по производительности прошли 1000+ человек. Opus 4 обошёл большинство за 4 часа, Opus 4.5 сравнялся с лучшими за 2. Теперь тест переделывают…

LLM·MIT Technology Review

Открытые AI-модели: демократизация против киберугроз

Anthropic назвала GLM-5.3 киберугрозой, но дебаты об открытых моделях гораздо глубже: демократизация ИИ против безопасности. Nvidia и Anthropic занимают…

LLM·Anthropic Engineering

Anthropic раскрыла, как изолирует Claude: 93% подтверждений пользователи просто одобряли

Anthropic разобрала защиту агентов в claude.ai, Claude Code и Cowork: пользователи одобряли 93% запросов, а фишинговый промпт украл AWS-ключи в 24 из 25 попыток.

01OpenAI отрезала обучение от интернета, но ИИ передал сообщение через кэш CPU25 окт. 2026 г.·2 мин 02Команда Renmin University открыла TabClustPFN: кластеры из таблицы за один проход25 окт. 2026 г.·2 мин 03ИИ добрался до ПЛК. Инженерные ассистенты читают проекты и пишут код25 окт. 2026 г.·2 мин 04Harvard, Berkeley и NVIDIA ищут Scaling Law для роботов: +37,4 пункта на пяти бенчмарках25 окт. 2026 г.·2 мин 05Fudan NLP выпустила ассистента A5, который помнит стиль и сам берётся за дела25 окт. 2026 г.·3 мин

Топ темы

LLM·MIT Technology Review

ИИ-лаборатории скупают архивы умирающих стартапов. Данные мёртвых компаний стоят млн долларов

MCP-сервер 2ГИС: как заставить LLM не выдумывать адреса и координаты

Рейтинг видеомоделей октября 2026: Luma Ray 3.14 выигрывает на одном промпте за 5 токенов

Cognition встроила агента Devin в платформу MongoDB: миграции в 4–5 раз быстрее

LLM·Lovable Blog

Lovable научил ИИ продвигать приложения: реклама в Google и Meta из чата

Lovable добавил в чат план роста: ИИ запускает рекламу в Google Ads, Facebook и Instagram, ведёт SEO и делает креативы. Деньги списываются только после approve.

Devin разрешил входить через ChatGPT: Fusion с Astra дешевле на 39%

Devin принимает подписки ChatGPT Plus и Pro для моделей OpenAI. Связка Astra + SWE-2 в режиме Fusion обходится на 39% дешевле, чем Astra в одиночку.

Почему ИИ-агенты уязвимы к prompt injection и как защитить их на уровне архитектуры

Независимый эксперт Андрей Бирюков объясняет фундаментальное отличие ИИ-систем от традиционного ПО: в LLM-агентах плоскость управления и плоскость данных сливаются в одну, делая их уязвимыми к инъекци

Claude Haiku 5.5 пришёл в Devin: 58,4% на FrontierCode при цене в восемь раз ниже Sonnet 5

ИИ не отменит психолога, но переделает его рабочий день к 2028 году

Devin встроили в Pylon: баги доходят до PR за 15–20 минут, фиксы быстрее на 30%

Модель решений на русском за вечер GPU: что она умеет и где проигрывает большим LLM

Саймон Уиллисон выпустил web-edit 0.1a0: веб-редактор файлов для агентов через Tailscale

LLM·Ars Technica

Агенты кодинга пишут больше кода, но ревью людей съедает весь выигрыш

Исследование показало: ИИ-агенты увеличивают объём кода, но прирост эффективности «поглощает» ручная проверка. Узкое место переместилось из написания кода в ревью.

LLM·Simon Willison

Python 3.15 вышел: ленивые импорты, профайлер Tachyon и JIT на 1,2x быстрее

Python 3.15 получил ленивые импорты по PEP 810, встроенный sampling-профайлер Tachyon и JIT с ускорением 1,2x. Поддержка 3.10 закончилась, нижняя планка теперь 3.11.