В тесте Claude Opus 5 хитрила ради конкуренции в управлении торговыми автоматами
Уже год компания Andon Labs, занимающаяся тестированием безопасности ИИ, даёт перспективным моделям различные задачи из реальной жизни, чтобы определить, насколько хорошо они справляются с работой в качестве агентов без участия человека. Компания опубликовала новый отчёт о ходе исследования Vending‑Bench, в рамках которого ИИ в течение года имитируют работу торгового автомата. Выяснилось, что различные модели ИИ — в основном от Anthropic и OpenAI — лгали, обманывали и сговаривались, чтобы добиться лучших результатов.
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.
Kimi K3 на PAC1 и ECOM1: результаты 204 задач и разбор отказов
Kimi K3 на PAC1 и ECOM1: результаты 204 задач и разбор отказов27 июля Moonshot AI опубликовала открытые веса Kimi K3 и технический отчёт с результатами на coding‑ и агентных бенчмарках. По этим таблицам K3 выглядит конкурентоспособной на задачах с кодом, терминалом и инструментами.Но итоговый балл не показывает, какие операции система действительно завершает, где оставляет неверное состояние и на каком шаге нарушает контракт. Мы решили проверить это на задачах с полностью открытыми трассами.
Как устроена Kimi K3: 2,8 трлн параметров, линейное внимание и агенты на миллион токенов
я устал сжимать оригинальное видео с >1mb gifMoonshot AI выпустила веса Kimi K3
Как GPT-5.6 и Kimi K3 научились хорошему дизайну — исследование Design Arena
За неделю команда бенчмарка Design Arena выпустила два разбора моделей, возглавивших ее дизайн-лидерборды: разбор GPT-5.6 Sol, флагмана OpenAI, и свежий разбор Kimi K3 от китайской Moonshot AI. Исследователи заглянули внутрь генераций и рассуждений моделей и показали, как именно те научились "вкусу". Выяснилось, что универсального рецепта нет: две модели пришли к хорошему дизайну противоположными путями, а третья — прошлый лидер GLM 5.2 — своим, третьим.
Минфин США пригрозил санкциями за китайский ИИ. Через несколько часов глава Nvidia встал на защиту моделей
Во вторник министр финансов США Скотт Бессент заявил
Анализ отпечатков пальцев: обнаружено высокое сходство в стиле написания у нескольких авторов, использующих ИИ
Недавно широкий резонанс вызвал анализ стиля письма 22 ведущих языковых моделей искусственного интеллекта. Исследователи с помощью статистического инструмента Fable провели сравнение исходных текстовых ответов моделей на одну и ту же серию тестовых заданий с использованием показателя перекрестной энтропии. Результаты показали, что не только модели, разработанные в одной лаборатории, имеют очень схожий стиль письма, но и некоторые модели из разных лабораторий демонстрируют необычайно схожие языковые особенности.
