🔍 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

🚨 Страница, посвященная ChatGPT 5.3, была запущена, а затем удалена.

Возможно, они вносят последние корректировки, ожидается, что и Gemini 3.1, и ChatGPT5.3 выйдут на следующей неделе.

А что вы больше всего ждёте?

#Инсайд
Подписаться: t.me/Geometry90

🚩 DeepSeek V4 — на следующей неделе (Возможно даже в понедельник)

Источник

Судя по всему, DeepSeek V4 выкатят уже на следующей неделе. И походу это первый раз, когда open-source модель реально встаёт вровень с закрытыми Сотами.

Короче, что я хочу сказать.
Я наблюдаю за этим и пока наблюдал у меня сформировалось мнение на этот счёт:

Китайцы не просто догоняют. Они придумывают новые архитектуры, а не тупо заливают всё вычислительной мощностью. DeepSeek — это про умные инженерные решения: модель будет весить сравнительно мало, а контекст держать на уровне 1М токенов. Мы с вами уже смотрели на предполагаемый DeepSeek V4 Lite — даже на неофициальном графике было видно, как он хорошо контекст тянет.

Но. С момента выхода Gemini 3 Pro и Opus 4.5 прошло уже 2–3 месяца. И только щас китайцы подтягиваются к этому уровню.

Gemini 3.0 сама по себе спорная для реальных задач, но разрыв есть — стабильные 2–3 месяца отставания. Сокращают его умными решениями, не скейлингом, но всё равно отстают.

Теперь про главную проблему, о которой мало говорят.

У китайцев нет данных — у Google бесконечный интернет, поиск, ютуб, вся экосистема. У OpenAI партнёрства с кучей издательств. В Китае полтора миллиарда людей и свой интернет, ок, но по объёму и разнообразию это не то же самое что весь западный веб.

И отсюда растёт то, что скоро станет главной войной — юридической. Потому что тот же GLM-5, (Minimax M2.2, Kimi k2.5) — кринж. Модель обучалась на дистиллированных ответах Opus 4.5. Она иногда отвечает что она Claude, а не GLM. Это не слух, это видели кучу людей.

Да, это нечестно. Да, это нарушение условий. Но а что им делать? Данных меньше, доступ к железу порезан санкциями, гонку сливать нельзя. Дистилляция чужих моделей — по сути единственный быстрый способ закрыть разрыв.

Стоит сделать вывод: либо западные компании начнут судиться и закручивать API, либо просто смирятся. Модели в открытом доступе и веса нахуй утекают, этот процесс уже не остановить.

Следующая неделя покажет, на что способен DeepSeek. МНЕ Будет интересно. Вам то самим будет интересно?...

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

Gemini 3 такая типа: 💄🎤😏😏

#Щитпост

⚡️ Ожидаем на следующей неделе много всякого.

Итак, следующая неделя обещает быть по-настоящему крутой и, по сути, заключительной в этом марафоне — потом нас ждет некоторое затишье, как, например, в январе, когда толком ничего не выходило.

У меня на руках есть сводки и инсайды, но перечислять их здесь я не стану. Скажу сразу, чего стоит ожидать. Ниже — список только тех глобальных релизов, которые вы все так ждете и вероятность выхода которых на этой неделе максимальна:

⚪️DeepSeek v4 (Ждём)

⚪️Gemini Pro 3 GA / 3.1 (фиксики и новые баги, ЖДЁМ)

⚪️Claude Sonnet 5 (Новое поколение от Anthropic, ждём)

⚪️Qwen 3.5 (Ребята сделают полноценный релиз своих небольших версий 3.5 — ждём)

⚪️GPT-5.3 ( Полное обновление флагмана OpenAI, ждём)

⚪️Grok 4.20 (Ну ладно, хотя бы один источник от инсайда представляю)

⚪️Avocado (КТО ЭТО? А это Meta. Ладно, вот ещё источник. Сабку покупайте чтобы почитать, ищите источники с пересказами и так далее. Ждём)

И еще: не факт, что всё выйдет день в день, потому что мы не можем предсказывать будущее — всё может перенестись, так что имейте это в виду.

Meta* — признана экстремистской организацией, деятельность которой запрещена на территории Российской Федерации.


#Щитпост
Подписаться: t.me/Geometry90

✴️ Qwen 3.5 выйдет сегодня.

Предполагается, что текущие модели будут маленькими.
Компания Alibaba выпускает флагманские модели только спустя месяц после выхода базовых версий.

В комментариях я покажу несколько предполагаемых моделей.
Источник

#Новости

🚨 Qwen 3.5 вышла!

2 новые модели доступны прямо сейчас на их сайте.

— Qwen 3.5-Plus
Последняя крупная языковая модель серии Qwen3.5, поддерживающая текстовые и мультимодальные задачи.

— Qwen 3.5-397B-A17B
Флагманский крупная языковая модель из серии Qwen3.5 с открытым исходным кодом,
поддерживающая текстовые и мультимодальные задачи.

Это ведь даже не Max версия, а модель уже достаточно умная, мне нравиться.
Протестировать

#Новости
Подписаться: t.me/Geometry90

🚨 GROK 4.20 вышел!
Ниже представлю информацию о данной модели.

Вот тут по ссылке посмотрите.

🔍 GROK 4.20 — ЭТО ПРИКОЛ! Сегодня xAI выпустила Grok 4.20 (Beta).

Что это и с чем это едят? А это не едят — это хавают! Те, кто ждал настоящий Grok 4.20 — вы схавали!

Больше всего драмы — это релиз. Релиз Grok 4.2 значительно задержали. Все ждали его летом–осенью 2025, переносили раз 5–7, задержка около полугода.

И вот что мы получили:

Через HTTPS-запросы было замечено, что в коде Grok 4.20 обозначен как 4.1. Либо воображение играет, либо «крупное обновление» оказалось не таким уж крупным.

Что удалось выявить:
Grok теперь работает как координатор четырёх агентов одновременно для одного ответа. Всего в системе их 16, но назначение каждого пока неясно. Складывается впечатление, что это тот же Grok 4.10 под видом четырёх параллельных агентов. Подробности из комментариев — источник тут.

Похоже, мы получили Grok 4.1 под видом 4.2. Но это бета! Справедливости ради — работает действительно неплохо, SVG рисует заметно лучше чем 4.1.

Хотя сама затея с reasoning в стиле мессенджера, где 4 бота переписываются между собой — выглядит странно.

1⃣ Галлюцинаций НЕ МЕНЬШЕ, путается даже больше чем 4.10
2⃣ Reasoning с фишкой агентов, которые общаются между собой.
3⃣ Скорость чуть ниже чем у 4.1, но качество подросло.
4⃣ Зато поиск улучшили! Спасибо, я этому рад. Grok стал ещё лучше искать.

Бенчмарков пока нет.

Напишите в комментариях, что заметили первым делом.

#Новости
Автор — @Geometry90