Anthropic представила Opus 4.6.

Вопреки ожиданиям о скором релизе их более легкой Sonnet 5, они показали обновленную Opus.

Из важного – увеличенный до 1 миллиона токенов контекст. Раньше был 200к. Ну по бенчмаркам ожидаемо: всех победили везде лучше всех.

Дополнительно улучшили интеграцию Claude в Excel и добавили ее в PowerPoint.

Google обновила свою самую топовую модель Gemini 3 Deep Think.

Она почти достигла 85% выполнения в Arc-AGI-2 бенчмарке, ставшим эталонным тестом для оценки интеллекта моделей и адаптации к новым задачам. Их старая итерация, выпущенная в ноябре 2025 года достигла лишь 43%.

Разработчики бенчмарка, кстати, обещали приз тем, кто преодолеет порог в 85%, подразумевая, что это недостижимо. Получается, Google почти смогли сломать очередной тест. Теперь новый выдумывать…

Доступна только Ultra подписчикам за 250 долларов в месяц.

Помните пеликана на велосипеде? Вот как справляется Gemini 3 Deep Think

Что-то ByteDance (создатели тиктока) разошлись в последнее время.

В дополнение к своим моделям Seedream 5 (картинки) и Seedance 2 (видео), которые сейчас являются лучшими в классе, они выпустили и мультимодальную модель Seed2.0.

Три версии: Pro, Lite и Mini. По бенчмаркам Seed2.0 Pro доминирует, обходя Gemini 3 Pro High и Claude Opus 4.5.

👀 получили доступ к Seedance 2...

Вышла Sonnet 4.6 от Anthropic.

Модель стала чуть лучше в большинстве задач по сравнению с прошлой итерацией. Заметный скачок наблюдается в финансовом анализе.

По сути является дешевым аналогом их прошлого флагмана Opus 4.5. Доступна уже сейчас.

Кэти Пэрри оформила подписку на Claude и отметила это сердечком.

Все это на фоне новостей о том, что сервис от Anthropic отказался от сотрудничества с военными США. После этого Трамп пригрозил баном на использование их моделей во всех госструктурах.

При этом, по данным открытых источников, Claude все равно активно применялся американскими военными во время операции в Иране.

В 2025 году исследователи Epoch AI проанализировали цены на работу с языковыми моделями за последние 3 года. Стоимость инференса (использования модели) падает в среднем в 40 раз каждый год.

Например, стоимость производительности GPT-4 уровня снизилась за год в 40 раз. А модели уровня GPT-3.5 на момент исследования можно было запускать локально на домашних компьютерах с видеокартой среднего уровня.

Авторы пришли к выводу, что никакой "монополии больших компаний" нет. Через 8 месяцев после релиза топовой модели ее производительность становится доступна обычным пользователям.

Исследователи создали AI-фреймворк RGMP, который учит роботов делать домашние дела с успехом 87%. Система распознает объекты, планирует действия и выполняет задачи в реальном мире.

Ей требуется в 5 раз меньше обучающих данных, чем другим моделям. Суть в том, что традиционным моделям нужно огромное количество размеченных данных с траекториями движения, причем они все равно не могут выполнять задачи, на которых не обучены.

Здесь же используется подход геометрического рассуждения:

1) Система сначала анализирует геометрию (плоская, цилиндрическая, неправильной формы) и выбирает подходящий навык из библиотеки. Например, для плоского объекта – щипок, для банки – обхват ладонью.

2) Затем происходит генерация движений. Система сканирует изображение участками и создает "пространственную память" сцены. Потом определяет положение объекта, и наконец моделирует траекторию движения.

В результате, робот, обученный на захвате фанты научился брать: бутылки (78% точности), баллончик (81%), даже руку человека (90%).

Много новых обновлений ожидаются, кстати.

Вчера вот вышла GPT-5.3 Instant, которую постарались сделать более отзывчивой и менее оправдывающейся.

OpenAI в твиттере говорят, что выход обычной GPT-5.4 ближе, чем кажется. А там еще Google намекают на скорый релиз Gemini 3.5.

DeepSeek v4 тоже на этой неделе должны показать.

Подъехала GPT-5.4.

Помимо скучных бенчмарков OpenAI добавили кое-что интересное. Во-первых, модель пишет, что собирается делать и прямо в процессе выполнения можно вмешаться и скорректировать ее. На видео показано, как пользователь уточнил район для поиска.

Во-вторых она может управлять компьютером, ориентируясь на скриншоты экрана. Раньше подобное было для их агентского режима в браузере.

Cursor выпустили Composer 2 – третье поколение собственной языковой модели для разработчиков.

Модель предварительно обучали на коде, а потом докручивали путем обучения с подкреплением на длинных агентных задачах, где нужны сотни последовательных действий. Узкая специализация сделала ее дешевле и точнее конкурентов в своей нише.

По внутренним тестам Cursor, Composer 2 опередил Claude Opus 4.6 на задачах агентной разработки. На стандартном бенчмарке CursorBench набирает 61,3 балла против 58,2 у Claude Opus 4.6 и 63,9 у GPT-5.4 Thinking. При этом цена ниже на порядок. Миллион токенов на выходе обходится в 2,5 доллара по стандартному тарифу. Claude Opus 4.6 стоит 25 долларов за тот же объем.

Мы специально долго не постили, чтобы вы поняли, как тяжело жить в мире, не зная о том, какие модели когда выходят. Не переживайте, с этого момента посты будут выходить регулярно!

Вчера NVIDIA закрыла конференцию GTC 2026 в Сан-Хосе.

Напомним, что они показали:

• Vera Rubin, следующее поколение GPU, которое даст 10-кратный прирост производительности по сравнению с Blackwell.

• Groq 3 LPU. Первый чип после покупки активов Groq за $20 млрд в декабре. Чипы в связке с Vera Rubin дают 35-кратный прирост производительности.

• Платформу NemoClaw, которая разворачивает ИИ-агента на базе OpenClaw с надстройками для усиленной защиты. Хуанг назвал OpenClaw «популярнейшим open source проектом в истории» и заявил, что у всех компании теперь должна быть стратегия по его применению.

• DLSS 5 для апскейлинга игр на основе мощного нейронного рендеринга. Модель фактически рисует все кадры, а не просто масштабирует или достраивает промежуточные. От этого все мемы о сходстве с ИИ-картинками.

• Новую-новую архитектуру Feynman, которая будет после Vera Rubin в 2028.

Вместо финального слова Хуанг прислал своего ИИ-аватара, который пел у костра вместе с роботами. Уверен, всем очень понравилось

Ой… Composer 2 оказался всего лишь оптимизированной опенсорс моделью Kimi-K2.5. Разработчики из Cursor даже не упомянули об этом

OpenAI делает одно большое приложение вместо нескольких мелких.

У OpenAI накопилось слишком много отдельных продуктов, часть из которых так и не нашла свою аудиторию. Поэтому решили делать суперапп, который объединит ChatGPT, браузер Atlas и платформу для кодинга Codex. Все в одном окне, без переключений между приложениями.

На недавней встрече гендиректор по приложениям Фиджи Симо прямо сказала сотрудникам: никаких "побочных квестов". Фокус на агентских возможностях, на задачах, которые ИИ будет выполнять автономно на компьютере.

Мобильный ChatGPT при этом трогать не планируют.

Сидней, 2024. Пол Конингем, технический предприниматель, узнал, что у его собаки Рози рак. Операция и химиотерапия не помогли. Он решил спросить ChatGPT.

ChatGPT предложил иммунотерапию и направил к Центру геномики при Сиднейском университете UNSW. Конингем убедил ученых взяться за проект, оплатил геномное секвенирование опухоли Рози и начал с помощью ИИ-инструментов анализировать ДНК. AlphaFold от DeepMind помог найти мутировавшие белки как мишени для лечения. В итоге нанохимик Пол Тордарсон создал персональную мРНК-вакцину специально под конкретную собаку - первую в истории - за два месяца.

К середине марта опухоль на лапе Рози уменьшилась примерно на 75%.

Человек без медицинского образования с помощью ИИ нашел дорогу к технологии, которую теперь планируют применить на людях. "Это демократизирует весь процесс", сказал ученый UNSW.

OpenAI собирается нанять почти вдвое больше людей к концу года – с 4 500 до 8 000 сотрудников.

Большинство новых позиций в отделах разработки продуктов, инженерии, исследованиях и продажах. Отдельно упоминается новая специализация "технических амбассадоров", которые будут помогать бизнесу правильно использовать многочисленные инструменты OpenAI.

Примечательно, что несколько месяцев назад Альтман публично рассуждал, что ИИ-агенты скоро будут выполнять работу целых команд разработчиков. Ну… видимо везде, но не у них.