Kimi K3.1 Pro: возможности хакерства и все о релизе
Китайская Moonshot AI выпустила Kimi K3.1 Pro — новую флагманскую модель для программирования, сложных рассуждений и агентных задач. По собственным тестам компании, она почти догнала Claude Opus 5.5 в работе с терминалом, стала дешевле предшественницы и научилась лучше справляться с длинными задачами. Дальше о других интересных деталях релиза.
Вышла Kimi K3.1 Pro: разбираем бенчмарки и то, как Moonshot притормозила ей кибернавыки
Moonshot AI 23 октября представила Kimi K3.1 Pro – первую модель новой серии K3.1. Это дообученная Kimi K3 с контекстом в 1 млн токенов: на постобучение компания потратила заметно больше вычислений и гоняла обучение с подкреплением сразу по сотням прикладных областей. Модель уже работает в сервисах Kimi и в API, а полные веса Moonshot обещает выложить не позднее 4 ноября. Перед выкладкой компания сознательно притормозила одну способность модели – поиск и эксплуатацию уязвимостей.В основе разбора – анонс Moonshot с полной таблицей бенчмарков, тарифы API
Что происходит после обучения модели: обзор книги Inference Engineering
Насколько хорошо новая модель ИИ справляется с задачами — первый вопрос, который обычно задают при ее обсуждении. В техническом сообществе разговор обычно идет о бенчмарках, количестве параметров и гонке рейтингов.
GENATATOR: учим языковые модели для ДНК восстанавливать структуру генов
Привет, Хабр! Меня зовут Алексей Шмелев, я научный сотрудник группы геномики центра AIDD, AIRI. В нашей команде я занимаюсь разработкой различных моделей для анализа геномных последовательностей, и в этой статье я хочу рассказать про GENATATOR — наш проект по автоматической аннотации генома с помощью DNA language models.Рассказ получился большим, потому что при автоматической аннотации возникает большое число нюансов, начиная от выбора и подготовки данных и заканчивая невидимыми на первый взгляд различиями в метриках — всё это хотелось раскрыть подробнее.
Google открыла разработчикам доступ к Gemini 4 Argon через API и инструменты разработки
Google объявила о расширении доступа к Gemini 4 Argon — своей новой ИИ-модели, рассчитанной на сложные многоэтапные задачи. Разработчики теперь могут использовать её через Gemini API, в Google AI Studio, Android Studio и среде разработки Google Antigravity.Модель представили ещё в начале октября, но первоначально доступ к ней был ограничен. С 13 октября Gemini 4 Argon стала доступна более широкому кругу разработчиков и корпоративных пользователей. Рассмотрим немного подробнее.Что умеет Gemini 4 Argon
Вышла Gemini 4 Argon: разбираем бенчмарки и карточку модели
Gemini 4 Argon. Изображение: Google.
Qwen3.8 27B обошла GPT-5.6 в SQL‑бенчмарке. И всё это — локально на ноутбуке
Производительность агентного SQL на уровне передовых моделей теперь помещается прямо на ноутбуке — даже если ему почти пять лет и у него всего 16 ГБ оперативной памяти. В связке Qwen 3.8 27B и DuckDB всё работает локально. А если понадобится масштабирование, достаточно изменить одну настройку, чтобы перенести обработку запросов в MotherDuck.Как это меняет наш подход к работе? Что это говорит о будущем искусственного интеллекта в работе с данными? И раз уж мы здесь, заодно всё настроим на вашей машине. Это не займёт много времени.Граница Парето сдвинулась
Приниматоры решений: бенчмарк на русском для Jev‑style моделей
Последние пару лет мы довольно странно используем большие языковые модели.
Исследователи изучили языковые привычки Opus 5.5 и других моделей
Новое исследование маркетинговой фирмы Graphite изучило привычки письма передовых моделей, выявив любимые слова и фразы каждой из них. Компания обнаружила 13 000 фраз, которые встречались в контенте ИИ как минимум в два раза чаще, чем в созданном людьми.

