ChatGPT перестал выполнять запросы на генерацию текста с имитацией стилей писателей
ChatGPT от OpenAI теперь отказывается генерировать тексты, напрямую имитирующие стиль известных авторов. Чат‑бот теперь предлагает ответ, основанный на «общих качествах», «но при этом сохраняющий свой собственный стиль».
Галлюцинации недели: Opus 5, Gemini 3.6 Flash и агент OpenAI, который взломал Hugging Face
Anthropic всю неделю ходила пострадавшей стороной в истории с дистилляцией от Moonshot и осталась единственной лабораторией, которая не подписала письмо про open weights. Совпадение? Не думаю.
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.
Математика в эпоху ИИ: публичная лекция Теренса Тао на Международном конгрессе математиков 24 июля 2026
Математика в эпоху ИИMathematics in the age of AIПубличная лекция, Международный конгресс математиков (International Congress of Mathematicians 2026)Теренс Тао, Калифорнийский университет, Лос‑Анджелес24 июля 2026 годаpdf оригинальной презентации (далее числами в скобках перед текстом помечены номера слайдов)(2) Пролог: кризис оснований
Cisco запускает Antares — недорогие ИИ‑модели для поиска известных уязвимостей в исходном коде
Компания Cisco запустила
Разобрал 1233 статьи Хабра: всё, что советуют авторам, объясняет 6% результата
Полгода назад я начал писать на Хабр дважды в неделю. За это время накопился 21 материал с очень разным результатом: от 120 тысяч охвата и 647 закладок до полутора тысяч охвата и нуля закладок. Разброс в восемьдесят раз при одинаковом подходе к работе меня и заинтересовал.Стандартный способ разобраться — посмотреть на успешные статьи и понять, что у них общего. Я так и сделал: собрал 200 материалов с высоким рейтингом, посчитал в них всё, что считается, и вывел формулу. Формула получилась красивая и совпадала с тем, что обычно советуют авторам.
Архитектурный паттерн «LangGraph, гибридный RAG + Сигнатурный движок»: универсальный граф для потоковых данных
В чем проблема?При обработке больших потоков неструктурированного текста разработчики обычно выбирают один из двух путей:Первый — использовать детерминированные методы. Регулярки, сигнатуры, и подобные инструменты работают быстро. Вот только никак не поймают новые, ранее не описанные паттерны. Путь второй — скармливать сырые данные в ЛЛМ напрямую. В реальности этот подход быстро умирает. Отправлять огромные объемы нефильтрованного текста в языковые модели слишком дорого и медленно.
Нейросети без магии: как они работают, где приносят пользу и почему не заменят эксперта за один день
Microsoft Superintelligence представила новые модели MAI с производительностью на уровне GPT-5
Microsoft Superintelligence выпустила

