kimi.
Топ-15 нейросетей-чатов на русском в 2026: сравниваем GPT, Claude, Gemini, DeepSeek
В России 2026 года нейросетями пользуется каждый четвёртый житель — это примерно 35 миллионов человек, что выше среднемирового показателя. При этом 58% активных пользователей обращаются к ИИ минимум раз в неделю. Но вот парадокс: чем больше моделей появляется, тем сложнее выбрать «ту самую».
Nvidia вложит $7 млрд на развитие open-weight конкурента китайским ИИ-моделям
Nvidia заключила с AI-стартапом Poolside соглашение на $6 млрд: компания лицензирует его технологии и забирает в свою команду более 100 сотрудников. Они присоединятся к разработке семейства открытых моделей Nemotron. Еще $1 млрд Nvidia инвестирует непосредственно в Poolside при оценке стартапа в $12 млрд до сделки. Основатели Poolside при этом останутся в компании, а сама сделка по лицензированию технологий является отдельной от инвестиции.
Сравниваем LLM, 12 тестов для китайских флагманов: Kimi K3, GLM-5.2, DeepSeek V4 Pro и Qwen 3.8 Max
В первой статье цикла мы гоняли по 11 тестам Opus 4.8, GPT 5.5 и Gemini 3.1 Pro, во второй устроили дуэль тяжеловесов Claude Fable 5 и GPT 5.5 Pro, в третьей спустились в средний класс и столкнули три поколения Sonnet с GigaChat 2 MAX и YandexGPT Pro 5.1. Закончили мы прошлый материал прямым вопросом: хотите ли увидеть в следующей части DeepSeek и Qwen? Запрос в комментариях мы услышали, так что сегодня на ринге Китай.
Квадриллион параметров (1Q) для LLM. Когда нам ждать такую модель?
Согласно закону заголовков Беттериджа («Если заголовок заканчивается вопросительным знаком, на него можно ответить „нет“»), ответом на вопрос в заголовке будет „никогда“. И я попытаюсь вас в этом убедить.
Kimi K3 — что реально даёт открытие весов самой большой модели
27 июля Moonshot AI выложила веса Kimi K3 — модели на 2,8 трлн параметров, которая до этого работала только через платный API. Вместе с весами открыли технический отчёт и три внутренних инструмента, на которых модель обучали.
Ответ на Kimi K3: зачем Alibaba выкатила 2,4-триллионную Qwen3.8
На конференции WAIC в Шанхае Alibaba представила Qwen3.8 — новую мультимодальную модель на 2,4 трлн параметров. По заявлению компании, архитектура уступает по производительности только Claude Fable 5, хотя независимых бенчмарков пока нет.
Вайбкодинг на минималках: как настройка OpenClaw убила веру в магию нейросетей (или история дефолт-юзера с openclaw)
ОГЛАВЛЕНИЯ:ВВОДНАЯ ЧАСТЬОЖИДАНИЕ ОТ ПРОГРАММЫПЕРВАЯ УСТАНОВКАСТОИМОСТЬ И ИСПОЛЬЗУЕМЫЕ МОДЕЛИ
Прогнал 6 апрельских LLM через battle test. Победил не самый новый и не самый дорогой
DeepSeek V4 Pro вышел 24 апреля 2026, три дня назад. Огромная модель, топ AIME и SWE-bench, передовая reasoning-архитектура. Вокруг релиза до сих пор много шума — пиарили мощно. Я открыл OpenRouter, прописал её в свой battle test и ждал Tier S — 95+ из 100 на длинном русском контенте.Получил 89. Tier A, нижний край. Ну ладно — подумал, что модель прогрелась криво, и через сутки прогнал второй раз. Ровно 89. Не статистический выброс, а воспроизводимый результат.Запустил его же Flash-вариант — 83. По чистому качеству Pro действительно сильнее, на 6 пунктов. Только Flash при этом стоит $0.0019 за вызов против $0.0256 у Pro. В 13 раз дешевле.
Как научить кодинг-модели не переписывать код заново
Не надо переписывать то, что не поломаноКод к этому посту доступен на Github.
