Три рычага экономии на Claude Platform: кэш промптов, чистка инструкций и уровень усилия. Команда prompt-audit дала минус 14,6% к цене и плюс 5,3 пункта точности. — Читать дальше «Anthropic показала, как срезать счёт за Claude без потери качества»
Вечером 3 сентября 2026 года Anthropic признала частичный сбой Claude Code, API и claude.ai, OpenAI подтвердила рост ошибок в ChatGPT и Codex, на Grok жалуются пользователи. Gemini работает. Хронология и что делать. — Читать дальше «Claude, ChatGPT и Grok дали сбой в один вечер, устоял только Gemini»
Ядра CUTLASS через NVGEMM, backend nccl2, torch.switch, wheels для Python 3.15 и 3.15t без torch.compile, удалённые torch.cholesky и acc_policy=balanced. — Читать дальше «PyTorch 2.14 добавил NVGEMM, backend nccl2 и сборки для Python 3.15»
Пётр Мигдал прогнал 17 мультимодальных моделей по 1040 фото 55 видов грибов. Лучшая, Gemini 3.8 Flash, верно узнаёт вид в 65% случаев и называет ядовитый гриб съедобным в 11%. — Читать дальше «17 нейросетей проверили на грибах: лучшая опасно ошибается в 11% случаев»
На claude.com появился бесплатный сервис Check Content: он ищет в файле подписанную метку C2PA о том, что файл создал или обработал Claude. Что он умеет и чего не доказывает. — Читать дальше «Anthropic запустила проверку файлов на метку Claude прямо в браузере»
Google представила Gemini 3.8 Flash по цене 3.7 Flash и закрытую 3.8 Flash Cyber для поиска уязвимостей. Бенчмарки, цена до конца 2026 года и оговорки. — Читать дальше «Google: Gemini 3.8 Flash догнала Opus 5 на DeepSWE при цене $0,75 за млн»
Trellner проверила 7 534 ссылки, которыми Perplexity подкрепляет советы «какой софт лучше»: 60% ведут на сайты за пределами топ-100 000, три сайта под одним шаблоном нагенерировали 215 128 «лучших списков». — Читать дальше «Три сайта сделали 215 128 страниц «best software» для ИИ-поиска»
MiniMax H3, LTX-2.5, Music3 и Qwen3-ASR ускорили локальную работу с видео, музыкой и речью. Сравниваем железо, цены и лицензии. — Читать дальше «Видео и звук за август: H3, LTX-2.5 и Music3 стали быстрее и открылись»
Сравниваем Terminal-Bench, SWE-bench, расход токенов и цену задачи. Разбираем облачные и локальные модели для агентного кодинга. — Читать дальше «На чём кодить в сентябре: цена решённой задачи у GLM-5.3, Sol и Opus 5»
Qwen3.8-27B заняла 17 ГБ, GLM-5.3 догнала закрытый фронтир, а Maple уместилась в ноутбуке. Сравниваем модели, лицензии и железо. — Читать дальше «Открытые нейросети августа: фронтир на одной видеокарте и что запускать дома»
Сравниваем Fable 5.1, Qwen3.8-Max, GPT-5.6 Sol, DeepSeek и Gemini по цене, контексту, агентным задачам и независимым тестам. — Читать дальше «Fable 5.1, Qwen3.8-Max и DeepSeek V4: что брать в API за август и почём»
Selectel добавил в SELECTOS терминального ИИ-агента aish: он собирает контекст, предлагает команды и выполняет их после подтверждения. Модель развёрнута на серверах Selectel. Установка через apt, что умеет и чего не сказано. — Читать дальше «Selectel добавил в SELECTOS терминального ИИ-агента aish»
Исследователь Митхил Вакде обучил трансформер на 75 млн параметров с нуля и получил 44% на публичном eval ARC-AGI-1 за 1,5 часа на RTX 5090. Код открыт. Разбираем метод, ограничения и что это говорит о бенчмарке. — Читать дальше «Трансформер на 75 млн параметров взял 44% на ARC-AGI-1 за 67 центов»
GitHub добавил Copilot возможность ставить настоящий approve, который засчитывается в обязательные одобрения. Функция выключена по умолчанию, в public preview. Разбираем, что проверить в настройках. — Читать дальше «GitHub разрешил Copilot ставить approve на pull request»
OpenAI объявила, что модель Astra достигла уровня Critical по кибербезопасности в её Preparedness Framework: сама находит уязвимости и собирает эксплойты. Разбираем оценки, защиты, ступенчатый доступ через Daybreak Blue и что это меняет для разработчиков. — Читать дальше «OpenAI готовит Astra: первая модель компании с «критическим» уровнем кибервозможностей, доступ к ним будет ограничен»
Исследователи Google и Purdue University предложили SKILL.state: агент хранит вместо полной истории компактное JSON-состояние и патчит его на каждом шаге. На 200 шагах 122 тысячи токенов вместо 6,2 млн, точность 94% вместо 84%. Разбираем механизм, ограничения и что можно повторить у себя. — Читать дальше «Google и Университет Пердью показали SKILL.state: в складской симуляции на 200 шагов агент тратит в 50 раз меньше токенов и ошибается реже»
Anthropic выпустила Claude Fable 5.1 и Mythos 5.1. Собрали в одном месте все замеры: бенчмарки Anthropic, первое место в Artificial Analysis Intelligence Index с 66 баллами, цены, контекст, ограничения и что это меняет в работе программиста. — Читать дальше «Anthropic выпустила Claude Fable 5.1: та же модель, что Mythos 5.1, первое место в индексе Artificial Analysis и удвоение на агентных бенчмарках»
Black Forest Labs и mimic запустили видео-экшен-модель FLUX-mimic на базе FLUX 3: роботы на заводах Audi, 30 минут данных на задачу. Узнайте подробности. — Читать дальше «Модель FLUX 3 научили управлять роботами: её уже тестируют на заводах Audi»
Microsoft создаёт Frontier Company с $2,5 млрд, чтобы enterprises выбирали ИИ-модели разных провайдеров. Узнайте подробнее, почему уходит эпоха единой модели. — Читать дальше «Microsoft признала ошибку привязки Copilot к OpenAI и вложит $2,5 млрд в мульти-модельный ИИ»
Модель BerryLM-XL набрала 0,835 в бенчмарке MERA и заняла 3-е место. Где применяются модели BerryLM и что это значит для рынка ИИ. — Читать дальше «Модель BerryLM-XL от RWB вошла в топ-3 русскоязычного бенчмарка MERA»
