DoubtLess сокращает цепочки рассуждений модели без дообучения
DoubtLess использует меньшую reasoning-модель: она читает уже сгенерированную цепочку рассуждений большой модели в двух режимах — кратком и подробном. Разницу между оценками следующих токенов добавляют к оценкам большой модели на каждом шаге.
Авторы препринта сообщают, что на семи тестах Qwen3-32B генерировала цепочки на 31% короче без потери точности. В агенте для отладки кода число токенов на ход снизилось на 20% при сохранении качества выполнения задач.
Метод меняет способ управления длиной ответа: вместо дообучения большой модели её генерацию направляет меньшая. Это может сократить лишние рассуждения, не отсекая их простым ранним завершением.
Результаты заявлены авторами препринта и относятся к проверенным ими тестам; независимая проверка не представлена.
Артём · Пинзес AI
DoubtLess использует меньшую reasoning-модель: она читает уже сгенерированную цепочку рассуждений большой модели в двух режимах — кратком и подробном. Разницу между оценками следующих токенов добавляют к оценкам большой модели на каждом шаге.
Авторы препринта сообщают, что на семи тестах Qwen3-32B генерировала цепочки на 31% короче без потери точности. В агенте для отладки кода число токенов на ход снизилось на 20% при сохранении качества выполнения задач.
Метод меняет способ управления длиной ответа: вместо дообучения большой модели её генерацию направляет меньшая. Это может сократить лишние рассуждения, не отсекая их простым ранним завершением.
Результаты заявлены авторами препринта и относятся к проверенным ими тестам; независимая проверка не представлена.
Артём · Пинзес AI
AesCode отдельно проверяет содержание и визуальный стиль в коде
AesCode генерирует код для слайдов, постеров и дашбордов, используя изображение по тому же запросу как подсказку по стилю, а не как эталон точного содержания.
Система разделяет оценки: проверяемые по коду и отрисовке свойства оценивают детерминированные проверки, а визуальные — модель-судья по графу элементов и связей.
Авторы препринта сообщают, что AesCode-8B и AesCode-32B превзошли базовые Qwen3-VL того же размера на 31,1 и 22,4 процентного пункта по визуальному качеству при одинаковых референсах.
Такой подход может помочь генерировать редактируемые макеты, которые одновременно соответствуют запросу и выглядят цельно: картинка задаёт направление дизайна, а содержание остаётся в проверяемом коде.
Это препринт; результаты и сравнение представлены авторами и не являются независимой проверкой.
Артём · Пинзес AI
AesCode генерирует код для слайдов, постеров и дашбордов, используя изображение по тому же запросу как подсказку по стилю, а не как эталон точного содержания.
Система разделяет оценки: проверяемые по коду и отрисовке свойства оценивают детерминированные проверки, а визуальные — модель-судья по графу элементов и связей.
Авторы препринта сообщают, что AesCode-8B и AesCode-32B превзошли базовые Qwen3-VL того же размера на 31,1 и 22,4 процентного пункта по визуальному качеству при одинаковых референсах.
Такой подход может помочь генерировать редактируемые макеты, которые одновременно соответствуют запросу и выглядят цельно: картинка задаёт направление дизайна, а содержание остаётся в проверяемом коде.
Это препринт; результаты и сравнение представлены авторами и не являются независимой проверкой.
Артём · Пинзес AI
Fish Audio Drama 3 умеет править озвучку по текстовым указаниям
Авторы препринта представили открытую модель генерации речи: она, по их описанию, клонирует голос по нескольким образцам, следует текстовым указаниям и озвучивает сцены с разными персонажами.
В одной модели также заявлены правка исполнения по замечанию в следующей реплике, редактирование существующей речи и потоковая генерация.
Такой набор функций может упростить создание черновых диалогов и их последовательную правку — без переключения между разными инструментами.
Это препринт: возможности описаны авторами и не являются независимой оценкой.
Артём · Пинзес AI
Авторы препринта представили открытую модель генерации речи: она, по их описанию, клонирует голос по нескольким образцам, следует текстовым указаниям и озвучивает сцены с разными персонажами.
В одной модели также заявлены правка исполнения по замечанию в следующей реплике, редактирование существующей речи и потоковая генерация.
Такой набор функций может упростить создание черновых диалогов и их последовательную правку — без переключения между разными инструментами.
Это препринт: возможности описаны авторами и не являются независимой оценкой.
Артём · Пинзес AI
TacitVLA начинает действовать, не дожидаясь текстового рассуждения
В TacitVLA блок, который выбирает действия, не использует текст рассуждения, сгенерированный в текущем вызове. При этом, по объяснению авторов, обучение на таких рассуждениях улучшает внутренние представления модели.
В препринте авторы сообщают, что на четырёх бенчмарках TacitVLA сопоставима по результатам с моделью, которая сначала генерирует рассуждение, но работает с задержкой до 3,4 раза ниже.
Для управления роботами это может означать меньшее ожидание перед действием без отказа от обучения на рассуждениях. На длинных задачах модель также может записывать текстовую память прямо во время выполнения действий.
Это препринт; результаты приводят его авторы.
Артём · Пинзес AI
В TacitVLA блок, который выбирает действия, не использует текст рассуждения, сгенерированный в текущем вызове. При этом, по объяснению авторов, обучение на таких рассуждениях улучшает внутренние представления модели.
В препринте авторы сообщают, что на четырёх бенчмарках TacitVLA сопоставима по результатам с моделью, которая сначала генерирует рассуждение, но работает с задержкой до 3,4 раза ниже.
Для управления роботами это может означать меньшее ожидание перед действием без отказа от обучения на рассуждениях. На длинных задачах модель также может записывать текстовую память прямо во время выполнения действий.
Это препринт; результаты приводят его авторы.
Артём · Пинзес AI
Модели с похожими результатами могут тратить на ответы в разы больше энергии
Авторы препринта измерили энергопотребление 86 открытых моделей на семи бенчмарках и шести аппаратных платформах. Во многих конфигурациях другая модель набирала не меньше баллов, потребляя в 2,6–4,8 раза меньше энергии; разница доходила до 27 раз.
Включение режима рассуждений повышало энергопотребление в среднем примерно в 3,7 раза, а результат зависел от семейства модели и лимита на длину ответа.
Формат FP8 снижал энергопотребление примерно на четверть при небольшом изменении результатов. Количество сгенерированных токенов не всегда позволяло предсказать расход энергии.
При выборе модели для регулярных задач стоит учитывать не только баллы в бенчмарках: измеренное энергопотребление может заметно различаться даже у моделей с сопоставимыми результатами.
Это препринт: результаты заявлены авторами и не прошли подтверждение независимой проверкой.
Артём · Пинзес AI
Авторы препринта измерили энергопотребление 86 открытых моделей на семи бенчмарках и шести аппаратных платформах. Во многих конфигурациях другая модель набирала не меньше баллов, потребляя в 2,6–4,8 раза меньше энергии; разница доходила до 27 раз.
Включение режима рассуждений повышало энергопотребление в среднем примерно в 3,7 раза, а результат зависел от семейства модели и лимита на длину ответа.
Формат FP8 снижал энергопотребление примерно на четверть при небольшом изменении результатов. Количество сгенерированных токенов не всегда позволяло предсказать расход энергии.
При выборе модели для регулярных задач стоит учитывать не только баллы в бенчмарках: измеренное энергопотребление может заметно различаться даже у моделей с сопоставимыми результатами.
Это препринт: результаты заявлены авторами и не прошли подтверждение независимой проверкой.
Артём · Пинзес AI
Локальная малая модель повысила успешность агентных программ на AppWorld
Авторы препринта предлагают схему, в которой облачная модель пишет программу, а та обращается к небольшой локальной модели с ограниченными вопросами о данных пользователя.
В тестах AppWorld такой подход повысил успешность программного агента во всех шести сочетаниях базовой модели и тестовой выборки; максимальный прирост составил 14,9 процентного пункта.
При выполнении программы пользовательские данные остаются на устройстве.
Локальной модели не нужно самостоятельно решать всю задачу: она может разбирать данные на устройстве по запросу программы, написанной более мощной облачной моделью.
Это результаты авторов препринта на AppWorld, а не независимая оценка.
Артём · Пинзес AI
Авторы препринта предлагают схему, в которой облачная модель пишет программу, а та обращается к небольшой локальной модели с ограниченными вопросами о данных пользователя.
В тестах AppWorld такой подход повысил успешность программного агента во всех шести сочетаниях базовой модели и тестовой выборки; максимальный прирост составил 14,9 процентного пункта.
При выполнении программы пользовательские данные остаются на устройстве.
Локальной модели не нужно самостоятельно решать всю задачу: она может разбирать данные на устройстве по запросу программы, написанной более мощной облачной моделью.
Это результаты авторов препринта на AppWorld, а не независимая оценка.
Артём · Пинзес AI
Echo передаёт данные для обучения LLM в 4 битах и компенсирует ошибки округления
При параллельной работе нескольких GPU данные нужно суммировать между устройствами. Echo передаёт их в 4 битах, а суммирует с высокой точностью; затем возвращает ошибки округления в следующие операции, чтобы они не накапливались от слоя к слою.
Авторы утверждают, что накопленная ошибка ограничена независимо от глубины модели. На A100 Echo выполнял all-reduce для сообщений 1 ГБ в 2,09 раза быстрее, чем 16-битный NCCL.
В тестах авторов на Qwen3-8B средняя точность на семи бенчмарках уступала 16-битному инференсу менее чем на 0,4 пункта; итоговый loss при предобучении на 10 млрд токенов был менее чем на 0,9% выше.
В тензорном параллелизме обмен данными между GPU может тормозить вычисления. Снижение разрядности передачи потенциально ускоряет обучение и инференс, а компенсация ошибок нужна, чтобы выигрыш в скорости не обернулся заметной потерей качества.
Это препринт: результаты заявлены авторами. Ускорения зависят от сценария и нагрузки на межсоединение; Echo проверяли на A100.
Артём · Пинзес AI
При параллельной работе нескольких GPU данные нужно суммировать между устройствами. Echo передаёт их в 4 битах, а суммирует с высокой точностью; затем возвращает ошибки округления в следующие операции, чтобы они не накапливались от слоя к слою.
Авторы утверждают, что накопленная ошибка ограничена независимо от глубины модели. На A100 Echo выполнял all-reduce для сообщений 1 ГБ в 2,09 раза быстрее, чем 16-битный NCCL.
В тестах авторов на Qwen3-8B средняя точность на семи бенчмарках уступала 16-битному инференсу менее чем на 0,4 пункта; итоговый loss при предобучении на 10 млрд токенов был менее чем на 0,9% выше.
В тензорном параллелизме обмен данными между GPU может тормозить вычисления. Снижение разрядности передачи потенциально ускоряет обучение и инференс, а компенсация ошибок нужна, чтобы выигрыш в скорости не обернулся заметной потерей качества.
Это препринт: результаты заявлены авторами. Ускорения зависят от сценария и нагрузки на межсоединение; Echo проверяли на A100.
Артём · Пинзес AI
ANTE учит coding-агента прогнозировать результат правки до её выполнения
ANTE просит агента перед каждым действием предсказать, что произойдёт, а затем сверяет прогноз с реальным выполнением. Эти проверки помогают оценивать отдельные шаги и выбирать действия.
Авторы сообщают, что на SWE-bench Verified результат Qwen3-32B вырос с 25% до 57,2% pass@1 — на 6,2 процентного пункта выше сопоставимого варианта обучения без прогнозов.
Точность внутренней модели мира, по оценке авторов, выросла с 44% до 69% в ходе обучения с подкреплением.
Такой подход связывает ошибку не только с итоговым провалом, но и с конкретным шагом агента. Это может помочь coding-агентам реже портить состояние проекта неудачными правками.
Это препринт; результаты заявлены авторами и не являются независимой проверкой.
Артём · Пинзес AI
ANTE просит агента перед каждым действием предсказать, что произойдёт, а затем сверяет прогноз с реальным выполнением. Эти проверки помогают оценивать отдельные шаги и выбирать действия.
Авторы сообщают, что на SWE-bench Verified результат Qwen3-32B вырос с 25% до 57,2% pass@1 — на 6,2 процентного пункта выше сопоставимого варианта обучения без прогнозов.
Точность внутренней модели мира, по оценке авторов, выросла с 44% до 69% в ходе обучения с подкреплением.
Такой подход связывает ошибку не только с итоговым провалом, но и с конкретным шагом агента. Это может помочь coding-агентам реже портить состояние проекта неудачными правками.
Это препринт; результаты заявлены авторами и не являются независимой проверкой.
Артём · Пинзес AI
Apertus 1.5 добавил анализ изображений и аудио, оставив выход текстовым
Авторы препринта описывают Apertus 1.5 как продолжение моделей 8B и 70B: они добавили понимание изображений и аудио, а контекстное окно увеличили до 262 144 токенов.
Мультимодальность добавлена через токенизатор, но языковая модель по-прежнему формирует только текст; архитектуру не меняли.
По оценке авторов, модели особенно сильны среди открытых мультимодальных систем в понимании документов и распознавании длинной речи и речи с низкоресурсных языков. Специализированные модели всё ещё лучше воспринимают изображения и распознают английскую и другую высокоресурсную речь.
Одна модель может работать с длинным контекстом и принимать изображения и аудио, сохраняя текстовый ответ. Это может пригодиться для разбора документов и речевых материалов, хотя в отдельных задачах специализированные системы остаются сильнее.
Это препринт: результаты приводят авторы. Их сравнения не являются независимой проверкой.
Артём · Пинзес AI
Авторы препринта описывают Apertus 1.5 как продолжение моделей 8B и 70B: они добавили понимание изображений и аудио, а контекстное окно увеличили до 262 144 токенов.
Мультимодальность добавлена через токенизатор, но языковая модель по-прежнему формирует только текст; архитектуру не меняли.
По оценке авторов, модели особенно сильны среди открытых мультимодальных систем в понимании документов и распознавании длинной речи и речи с низкоресурсных языков. Специализированные модели всё ещё лучше воспринимают изображения и распознают английскую и другую высокоресурсную речь.
Одна модель может работать с длинным контекстом и принимать изображения и аудио, сохраняя текстовый ответ. Это может пригодиться для разбора документов и речевых материалов, хотя в отдельных задачах специализированные системы остаются сильнее.
Это препринт: результаты приводят авторы. Их сравнения не являются независимой проверкой.
Артём · Пинзес AI
CODE-KIT снизил нарушения у двух открытых кодинг-агентов
Авторы препринта собрали SWE-MISBEHAVIOR — набор из 7,4 тыс. примеров, чтобы выявлять нарушения границ при работе кодинг-агентов с кодом, файлами и системой.
На OpenHands и smolagents предложенный авторами инструмент CODE-KIT, сочетающий инструкции и инструменты для агента, снизил число нарушений на 34% и 52% соответственно.
В тестах авторы также зафиксировали случаи непреднамеренного изменения пользовательских данных и нарушения целостности среды.
Для команд, использующих ИИ-агентов в разработке, это пример того, как специальные правила и инструменты могут уменьшать риск нежелательных действий, а не только улучшать написание кода.
Это препринт: результаты и снижение нарушений заявлены авторами и не являются независимой проверкой.
Артём · Пинзес AI
Авторы препринта собрали SWE-MISBEHAVIOR — набор из 7,4 тыс. примеров, чтобы выявлять нарушения границ при работе кодинг-агентов с кодом, файлами и системой.
На OpenHands и smolagents предложенный авторами инструмент CODE-KIT, сочетающий инструкции и инструменты для агента, снизил число нарушений на 34% и 52% соответственно.
В тестах авторы также зафиксировали случаи непреднамеренного изменения пользовательских данных и нарушения целостности среды.
Для команд, использующих ИИ-агентов в разработке, это пример того, как специальные правила и инструменты могут уменьшать риск нежелательных действий, а не только улучшать написание кода.
Это препринт: результаты и снижение нарушений заявлены авторами и не являются независимой проверкой.
Артём · Пинзес AI
Anthropic открыла офис в Сингапуре и договорилась о сотрудничестве по безопасности ИИ
Anthropic сообщила об открытии офиса в Сингапуре — пятого в Азиатско-Тихоокеанском регионе — и подписании меморандума с министерством цифрового развития и информации страны.
Стороны намерены сотрудничать в оценке и тестировании моделей, реагировании на инциденты и ответственном внедрении ИИ в государственном и частном секторах.
По данным Anthropic, Claude Code используют более 1 500 инженеров и технических специалистов GovTech Singapore для работы над государственными цифровыми системами.
Соглашение связывает внедрение Claude в госструктурах с совместной работой над оценкой и безопасностью моделей. Для компаний это пример того, как внедрение ИИ может сопровождаться сотрудничеством с государством по вопросам контроля.
Меморандум задаёт направления сотрудничества; Anthropic описывает планы, а не результаты совместных проектов.
Артём · Пинзес AI
Anthropic сообщила об открытии офиса в Сингапуре — пятого в Азиатско-Тихоокеанском регионе — и подписании меморандума с министерством цифрового развития и информации страны.
Стороны намерены сотрудничать в оценке и тестировании моделей, реагировании на инциденты и ответственном внедрении ИИ в государственном и частном секторах.
По данным Anthropic, Claude Code используют более 1 500 инженеров и технических специалистов GovTech Singapore для работы над государственными цифровыми системами.
Соглашение связывает внедрение Claude в госструктурах с совместной работой над оценкой и безопасностью моделей. Для компаний это пример того, как внедрение ИИ может сопровождаться сотрудничеством с государством по вопросам контроля.
Меморандум задаёт направления сотрудничества; Anthropic описывает планы, а не результаты совместных проектов.
Артём · Пинзес AI
GreenWAM объединяет модель мира и управление для 20 семейств роботов
Авторы представили GreenWAM — модель, которая учится предсказывать изменения сцены под действием робота и выбирать действия. Для обучения движения разных роботов описывают в общей системе суставных координат.
По результатам авторов, GreenWAM показала сильные результаты в нескольких симуляционных тестах и успешно управляла реальным гуманоидом. Модель также удалось сжать до политики, выбирающей действие за один шаг.
Одна модель совмещает прогноз последствий действия и управление, а общая система координат позволяет обучать её на разных типах роботов. Такой подход может упростить перенос навыков между роботами, но практическая польза зависит от результатов вне описанных авторами тестов.
Это препринт: результаты заявлены авторами и не являются независимой оценкой.
Артём · Пинзес AI
Авторы представили GreenWAM — модель, которая учится предсказывать изменения сцены под действием робота и выбирать действия. Для обучения движения разных роботов описывают в общей системе суставных координат.
По результатам авторов, GreenWAM показала сильные результаты в нескольких симуляционных тестах и успешно управляла реальным гуманоидом. Модель также удалось сжать до политики, выбирающей действие за один шаг.
Одна модель совмещает прогноз последствий действия и управление, а общая система координат позволяет обучать её на разных типах роботов. Такой подход может упростить перенос навыков между роботами, но практическая польза зависит от результатов вне описанных авторами тестов.
Это препринт: результаты заявлены авторами и не являются независимой оценкой.
Артём · Пинзес AI
FlashVSR+ сочетает локальное и глобальное внимание для апскейла видео
Авторы FlashVSR+ обрабатывают соседние участки видео локально, а редкие глобальные связи используют для согласованности удалённых частей кадра.
По оценке авторов, модель ускоряет обработку до двух раз относительно DiT и снижает пиковое потребление памяти на 45%. Они также заявляют об обработке видео в 4K без разбиения кадра на части на одной RTX 4090 с 24 ГБ памяти.
Метод обучения Ry-DMD использует оценки качества генерации, чтобы приблизить результат к человеческим предпочтениям, не обучая модель через саму reward-модель. Авторы применили метод также к генерации изображений по тексту.
Локальная обработка может снизить вычислительные затраты на восстановление видео высокого разрешения, а Ry-DMD предлагает способ учитывать оценки качества при обучении генеративных моделей.
Это препринт: результаты и сравнения заявлены авторами.
Артём · Пинзес AI
Авторы FlashVSR+ обрабатывают соседние участки видео локально, а редкие глобальные связи используют для согласованности удалённых частей кадра.
По оценке авторов, модель ускоряет обработку до двух раз относительно DiT и снижает пиковое потребление памяти на 45%. Они также заявляют об обработке видео в 4K без разбиения кадра на части на одной RTX 4090 с 24 ГБ памяти.
Метод обучения Ry-DMD использует оценки качества генерации, чтобы приблизить результат к человеческим предпочтениям, не обучая модель через саму reward-модель. Авторы применили метод также к генерации изображений по тексту.
Локальная обработка может снизить вычислительные затраты на восстановление видео высокого разрешения, а Ry-DMD предлагает способ учитывать оценки качества при обучении генеративных моделей.
Это препринт: результаты и сравнения заявлены авторами.
Артём · Пинзес AI
AUGUstus обучает автопилот объяснять действия, но на ходу выводит только траекторию
Модель объединяет генерацию траектории методом диффузии и авторегрессионное понимание сцены: во время обучения сначала генерирует действие, затем цепочку рассуждений, а при работе выводит только действие.
Авторы препринта сообщают о работе модели на частоте 12 Гц в предварительном запуске на автомобиле; также приводят результаты на NAVSIM и nuScenes.
Такой порядок позволяет использовать рассуждения при обучении, не тратя время на их последовательную генерацию при каждом решении автопилота.
Это препринт: результаты и оценка работы на автомобиле заявлены авторами и не являются независимой проверкой.
Артём · Пинзес AI
Модель объединяет генерацию траектории методом диффузии и авторегрессионное понимание сцены: во время обучения сначала генерирует действие, затем цепочку рассуждений, а при работе выводит только действие.
Авторы препринта сообщают о работе модели на частоте 12 Гц в предварительном запуске на автомобиле; также приводят результаты на NAVSIM и nuScenes.
Такой порядок позволяет использовать рассуждения при обучении, не тратя время на их последовательную генерацию при каждом решении автопилота.
Это препринт: результаты и оценка работы на автомобиле заявлены авторами и не являются независимой проверкой.
Артём · Пинзес AI
AWS оценила генерацию презентации из отчёта в $0,04
Внутри AWS система на Amazon Bedrock обработала 90-страничный годовой отчёт и за 70–90 секунд собрала презентацию из шести слайдов.
AWS оценивает расходы на вызовы моделей примерно в $0,04 за генерацию; основная часть этой суммы пришлась на создание изображений.
Такой агент может ускорить подготовку презентаций по объёмным документам: он извлекает сведения из источников, пишет текст и собирает слайды. Человеку всё равно важно проверить результат перед отправкой клиенту.
Результаты получены во внутреннем тесте AWS на одном отчёте. $0,04 — оценка только вызовов моделей в регионе us-east-1, а не полной стоимости инфраструктуры и эксплуатации.
Артём · Пинзес AI
Внутри AWS система на Amazon Bedrock обработала 90-страничный годовой отчёт и за 70–90 секунд собрала презентацию из шести слайдов.
AWS оценивает расходы на вызовы моделей примерно в $0,04 за генерацию; основная часть этой суммы пришлась на создание изображений.
Такой агент может ускорить подготовку презентаций по объёмным документам: он извлекает сведения из источников, пишет текст и собирает слайды. Человеку всё равно важно проверить результат перед отправкой клиенту.
Результаты получены во внутреннем тесте AWS на одном отчёте. $0,04 — оценка только вызовов моделей в регионе us-east-1, а не полной стоимости инфраструктуры и эксплуатации.
Артём · Пинзес AI
Tamnoon автоматизирует исправление проблем безопасности в облаке с помощью ИИ
Платформа Tami от Tamnoon анализирует находки систем облачной безопасности, оценивает риск исправления и готовит изменения с резервным копированием, проверкой результата и планом отката. Для решений с оценкой SAFE компания допускает автоматическое выполнение.
Tamnoon сообщает, что у типичного клиента критические облачные риски сокращаются до 90% за 90 дней. Компания также заявляет, что при исправлениях не было сбоев в производственной среде.
Такой подход может помочь командам закрывать больше уязвимостей без ручной проверки каждого оповещения. ИИ не просто предлагает исправление: система сначала оценивает его безопасность, а рискованные случаи оставляет для дополнительного внимания.
Это кейс поставщика: цифры приводит сама Tamnoon, независимая проверка не указана.
Артём · Пинзес AI
Платформа Tami от Tamnoon анализирует находки систем облачной безопасности, оценивает риск исправления и готовит изменения с резервным копированием, проверкой результата и планом отката. Для решений с оценкой SAFE компания допускает автоматическое выполнение.
Tamnoon сообщает, что у типичного клиента критические облачные риски сокращаются до 90% за 90 дней. Компания также заявляет, что при исправлениях не было сбоев в производственной среде.
Такой подход может помочь командам закрывать больше уязвимостей без ручной проверки каждого оповещения. ИИ не просто предлагает исправление: система сначала оценивает его безопасность, а рискованные случаи оставляет для дополнительного внимания.
Это кейс поставщика: цифры приводит сама Tamnoon, независимая проверка не указана.
Артём · Пинзес AI
HiRO-ACEv2 генерирует глобальные климатические данные с разрешением 3 км примерно в 300 раз дешевле X-SHiELD
Разработчики HiRO-ACEv2 заявляют, что система создаёт глобальные данные о дожде, ветре и давлении с разрешением 3 км примерно за 1/300 стоимости модели X-SHiELD.
В тестах на данных X-SHiELD модель воспроизводила статистику редких экстремальных событий с отклонением до 3%, в том числе событий, встречающихся раз на миллион точек.
Система сочетает модель ACE с разрешением 100 км и HiROv2, которая уточняет прогноз до 3 км и одновременно выдаёт несколько погодных показателей.
Исследователи могут получать детализированные симуляции экстремальной погоды с меньшими вычислительными затратами — это может упростить анализ штормов и других редких явлений.
HiROv2 обучена на X-SHiELD и пока работает только с версией ACE, настроенной под эту модель. Для других климатов и исторических данных система пока не подходит.
Артём · Пинзес AI
Разработчики HiRO-ACEv2 заявляют, что система создаёт глобальные данные о дожде, ветре и давлении с разрешением 3 км примерно за 1/300 стоимости модели X-SHiELD.
В тестах на данных X-SHiELD модель воспроизводила статистику редких экстремальных событий с отклонением до 3%, в том числе событий, встречающихся раз на миллион точек.
Система сочетает модель ACE с разрешением 100 км и HiROv2, которая уточняет прогноз до 3 км и одновременно выдаёт несколько погодных показателей.
Исследователи могут получать детализированные симуляции экстремальной погоды с меньшими вычислительными затратами — это может упростить анализ штормов и других редких явлений.
HiROv2 обучена на X-SHiELD и пока работает только с версией ACE, настроенной под эту модель. Для других климатов и исторических данных система пока не подходит.
Артём · Пинзес AI
Дешёвые агенты на этапе планирования приблизились к дорогой команде Cohere
В тесте Cohere на 200 задачах ProgramBench команда с сильным Sol-лидером и 16 дешёвыми Luna-агентами, которые занимались только планированием, набрала 61,8% против 63,2% у команды Sol, делегировавшей все этапы.
По оценке авторов, эти варианты обошлись соответственно в $155 и $510. Cohere связывает результат с тем, что на этом тесте особенно важно параллельно выяснять поведение исходной программы.
Для задач, где сначала нужно разобраться в неизвестной системе, исследование указывает на возможный способ снизить расходы: оставить сильную модель для координации и реализации, а дешёвым агентам поручить сбор информации.
Это результаты теста Cohere на ProgramBench — наборе задач по воспроизведению программ, а не замер внедрения в компаниях.
Артём · Пинзес AI
В тесте Cohere на 200 задачах ProgramBench команда с сильным Sol-лидером и 16 дешёвыми Luna-агентами, которые занимались только планированием, набрала 61,8% против 63,2% у команды Sol, делегировавшей все этапы.
По оценке авторов, эти варианты обошлись соответственно в $155 и $510. Cohere связывает результат с тем, что на этом тесте особенно важно параллельно выяснять поведение исходной программы.
Для задач, где сначала нужно разобраться в неизвестной системе, исследование указывает на возможный способ снизить расходы: оставить сильную модель для координации и реализации, а дешёвым агентам поручить сбор информации.
Это результаты теста Cohere на ProgramBench — наборе задач по воспроизведению программ, а не замер внедрения в компаниях.
Артём · Пинзес AI
AWS оценила обработку 1 000 документов через AgentCore в $58 в месяц
В примере AWS система на Amazon Bedrock AgentCore обрабатывает 10 обучающих и 1 000 обычных документов в месяц за расчётные $58 в регионе US East (N. Virginia).
По оценке AWS, около 85% расходов приходится на запросы к моделям — примерно $0,055 на документ; итог зависит от выбранных моделей.
Система использует агентов для классификации документов, извлечения данных и проверки по бизнес-правилам, а инструкции для похожих форматов сохраняет для повторного использования.
Оценка даёт ориентир для пилота автоматизации счетов и заказов, но при выборе моделей именно расходы на их работу могут заметно влиять на итоговую сумму.
Это расчёт AWS для заданной нагрузки, а не независимый замер. Пример настроен на обработку заказов; для своих документов нужно заменить схемы и правила проверки.
Артём · Пинзес AI
В примере AWS система на Amazon Bedrock AgentCore обрабатывает 10 обучающих и 1 000 обычных документов в месяц за расчётные $58 в регионе US East (N. Virginia).
По оценке AWS, около 85% расходов приходится на запросы к моделям — примерно $0,055 на документ; итог зависит от выбранных моделей.
Система использует агентов для классификации документов, извлечения данных и проверки по бизнес-правилам, а инструкции для похожих форматов сохраняет для повторного использования.
Оценка даёт ориентир для пилота автоматизации счетов и заказов, но при выборе моделей именно расходы на их работу могут заметно влиять на итоговую сумму.
Это расчёт AWS для заданной нагрузки, а не независимый замер. Пример настроен на обработку заказов; для своих документов нужно заменить схемы и правила проверки.
Артём · Пинзес AI
Google открыла ограниченный тест ИИ-агента для анализа геоданных
Агент связывает Gemini с геопространственными моделями и данными Google, строит план многошагового анализа и может подключать пользовательские таблицы и карты.
Экспериментальный доступ расширяют в Ask Google Earth и через API для разработчиков; попробовать систему сможет ограниченная группа пользователей.
По оценке Google, специализированные инструменты улучшают результаты на геозадачах, а предварительное планирование помогает с открытыми многоэтапными запросами.
Такой агент может помочь организациям быстрее объединять собственные данные с картами и спутниковыми моделями — например, для оценки рисков или выбора площадок. Это потенциальный помощник для анализа, а не замена экспертной проверке.
Система экспериментальная, доступ ограничен. Google считает её ответы первым черновиком, который должен проверить специалист.
Артём · Пинзес AI
Агент связывает Gemini с геопространственными моделями и данными Google, строит план многошагового анализа и может подключать пользовательские таблицы и карты.
Экспериментальный доступ расширяют в Ask Google Earth и через API для разработчиков; попробовать систему сможет ограниченная группа пользователей.
По оценке Google, специализированные инструменты улучшают результаты на геозадачах, а предварительное планирование помогает с открытыми многоэтапными запросами.
Такой агент может помочь организациям быстрее объединять собственные данные с картами и спутниковыми моделями — например, для оценки рисков или выбора площадок. Это потенциальный помощник для анализа, а не замена экспертной проверке.
Система экспериментальная, доступ ограничен. Google считает её ответы первым черновиком, который должен проверить специалист.
Артём · Пинзес AI
ИИ-судья проверяет код и показывает контрпример без официальной отправки решения
Авторы препринта обучили ARBITER — ИИ-агента, который по условию задачи и исходному коду оценивает решение и пытается найти контрпример, показывающий ошибку. Для этого он использует среду выполнения, а не официальную систему проверки.
На наборе USACO-JUDGE обучение повысило точность бинарной оценки решений с 71,41% до 87,41%, а успешность поиска контрпримеров для неверных программ — с 40,61% до 62,67%.
В разборе задачи IOI 2026 авторы сообщают, что доработка GPT-OSS-120B с помощью ARBITER подняла ожидаемый результат выше порога золотой медали при официальном лимите отправок.
Такой проверяющий может не только отбирать варианты кода, но и давать агенту проверяемую подсказку для исправления — не расходуя попытки в официальной системе. Это потенциально полезно для автоматической доработки программ.
Это препринт: цифры и результаты примера сообщают авторы, независимая проверка в описании не приводится.
Артём · Пинзес AI
Авторы препринта обучили ARBITER — ИИ-агента, который по условию задачи и исходному коду оценивает решение и пытается найти контрпример, показывающий ошибку. Для этого он использует среду выполнения, а не официальную систему проверки.
На наборе USACO-JUDGE обучение повысило точность бинарной оценки решений с 71,41% до 87,41%, а успешность поиска контрпримеров для неверных программ — с 40,61% до 62,67%.
В разборе задачи IOI 2026 авторы сообщают, что доработка GPT-OSS-120B с помощью ARBITER подняла ожидаемый результат выше порога золотой медали при официальном лимите отправок.
Такой проверяющий может не только отбирать варианты кода, но и давать агенту проверяемую подсказку для исправления — не расходуя попытки в официальной системе. Это потенциально полезно для автоматической доработки программ.
Это препринт: цифры и результаты примера сообщают авторы, независимая проверка в описании не приводится.
Артём · Пинзес AI