🚨 Gemini 3.1 Pro Preview — замечена

На сайте Artificial Analysis засветилось упоминание Gemini 3.1 Preview.

Хм.
Это реально первый раз, когда Google выкатывает промежуточную «x.1» в таком формате. Раньше такого не было. Выглядит как попытка закрыть дыры в репутации после того, как 3 Pro так и не вышла из превью нормально.

И тут есть мысль. Gemini 3 Pro в последнее время стала работать заметно слабее. Совпадение? Возможно нет. Ослабили старую, чтобы новая 3.1 выглядела как серьёзный апгрейд. Вопросы есть. 💬

☝️ В комментах сделал сравнение Gemini 3 на релизе и сейчас. Сами увидите.
Источник

#Новости / #Инсайд
Подписаться: t.me/Geometry90

📈 Улучшаем контент вместе
https://t.me/Geometry903/3

Создал временную группу.
https://t.me/Geometry903
https://t.me/Geometry903
https://t.me/Geometry903


Там выложу свежие посты, которые ещё нигде не публиковались — у каждого два варианта. Надо выбрать, какой заходит лучше. 👀

Зачем? — Адаптация.

Хочу понять, как вам удобнее читать — развёрнуто с моими мыслями или коротко по фактам. Ваши голоса реально повлияют на формат ЭТОГО канала.

Как это работает:
🔜 Заходите в группу
🔜 Читаете оба варианта поста
🔜 Голосуете в опросе

Вы оцениваете так, как вам хочется. Ну, думаю вы поймёте в чем суть этих 2 постов.

🔜 Через 48 часов группа удаляется, статистика будет собрана. Спасибо вам.

После этого все посты выйдут здесь в основном канале. Но один важный пост выложу сегодня сюда отдельно — не пропустите.

#Щитпост

⭐️ Посмотрите на отрыв.

IMO-ProofBench Advanced — самый жёсткий тест.

Я всегда говорил — у Google есть модели помощнее. Они либо экономили, либо делали кое-что другое. Пока OpenAI выкатывали версию за версией и набирали по 7%... 28%... 35%... — DeepMind тихо собирали агентную систему, которая выдала 92% и попутно решила несколько открытых задач Эрдёша. Задач, которые люди не могли закрыть годами.

Три месяца между GPT-5.1 (7%) и Aletheia (92%). Это не конкуренция — это демонстрация того, что Google просто ждали момента. И дождались.

Источники:
— Официальный релиз DeepMind
— Мой пост с тем инсайдом
Источник

#Новости
Подписаться: t.me/Geometry90

🎉 MiniMax M2.5 официально вышел. Веса пока не выложили, но модель уже можно потрогать. Бенчмарки на картинке.

Важная иформация о модели:
• Скорость: 50–100 tps
• SWE-Bench Verified: 80.2
• Фронтенд: отлично / Бэкенд: удовлетворительно
• Заточена под агенты, кодинг, поиск, tool use.

Честно:
По бенчмаркам она обходит кучу топовых моделей. На бумаге — уровень Claude 4.5 Opus. Но на практике уступает, и это нормально, потому что бенчмарки и реальные задачи это две разные вещи. Зато дешевле в 10–20 раз. А для многих задач этого хватает с головой!!!

Источники:
— Юзать официально.
— Официальный релиз: пост от @MiniMax_AI.
— Первый спот: где её заметили до анонса.
— Мини критика и сравнение с GLM-5

Моё мнение по китайским моделям в целом: Догоняют, местами обгоняют, и темп у них бешеный. Но пока не хватает стабильности на длинных задачах и репутации. Большие компании всё ещё боятся ставить на них в проде, и их можно понять.

Но если так пойдёт дальше — через полгода разговор будет уже другой.

Кто пробовал через их агент? Как ощущения на реальных задачах? Пишите в комменты.

#Новости
Подписаться: t.me/Geometry90

🔍 Google DeepMind подтвердили инсайд про Aletheia и репозиторий superhuman.

Помните, я писал про «истину» и папку в репозитории? Теперь всё официально — они представили Aletheia.

Цифры и механика (для вашей осведомленности):
• 91.9% на IMO-ProofBench Advanced — новый рекорд. Один из самых жёстких тестов на доказательства в стиле Межнара по математике.
• Движок — Gemini Deep Think. Решение строится в три этапа: генерация → верификация → корректировка.
• При этом работает лучше и дешевле, чем сама Gemini Deep Think Advanced в чистом виде. Агентная обвязка тут реально даёт выигрыш, а не просто обёртка.

Что уже сделала помимо бенчмарков:
— Решила 4 открытых задачи из списка Эрдеша (Эпштейна). Одна из них вообще не была закрыта ни в какой литературе до этого.
— Автономно написала статью с правильными математическими результатами.
— Помогала реальным математикам в написании не-игрушечных научных работ.

Моё мнение:
Google подчёркивают, что Aletheia — пруф того, что законы масштабирования всё ещё работают. Даже на доказательной математике качество растёт не за счёт тупого наращивания параметров, а за счёт архитектуры рассуждений. Умнее агент — лучше результат за меньшие деньги.

Помните папку Aletheia в репозитории superhuman? Я писал, что ждём мощный анонс. Ну вот он.

P.s — Позже сегодня на том же движке вышла обновлённая Gemini 3 Deep Think — набрала 84.6% на ARC-AGI-2, лучший результат на данный момент.

Источники:
— Официальный релиз DeepMind
— Мой пост с инсайдом про superhuman

Кто верил, что задачи Эрдеша закроют настолько быстро? Пишите в комменты.

#Новости
Подписаться: t.me/Geometry90