qwen.

Зачем модели делать больно?

Исследователи дали языковой модели две кнопки.Одна ничего не делала. Вторая должна была избавить модель от неприятного внутреннего состояния - иногда ценой ухудшения следующего ответа или даже вреда пользователю.Модель выбирала облегчение. А если кнопка не срабатывала, пыталась снова.Это не мысленный эксперимент. В препринте The Pain Axis: LLMs Represent Self-Directed Harm and Act to Relieve It исследователи попытались найти внутри языковых моделей состояние, которое по своим функциям похоже на боль.

продолжить чтение

Grok 4.7, GPT-6 Astra, Claude и китайские модели, кто эффективнее?

Вчера SpaceXAI выложила Grok 4.7. За три недели до этого OpenAI выпустила GPT-6 Astra, Anthropic — Claude Fable 5.1. Ещё в июле рядом встал Claude Opus 5: сама Anthropic пишет, что для большинства задач включать надо его, а Fable доставать, когда Opus уже не тянет ваши замеры.Китайские лаборатории в этой компании больше не «дешёвый запасной аэродром». Qwen3.8 Max стоит те же $2 и $6 за миллион токенов, что и Grok, и на общем индексе отстаёт на один балл. Kimi K3 на суточных инженерных задачах сидит в том же коридоре, что и свежий Grok.

продолжить чтение

Я захотел, чтобы Obsidian заполнялся сам

1. Рутина душит

продолжить чтение

Локальный агент для кода на Mac: MTPLX + pi + Qwen3.8–27B. Что реально ускоряет, а что нет

Я хотел, чтобы кодовый агент работал целиком на ноутбуке, без облака: локальная модель, локальный сервер, агент в терминале. Главная боль с самого начала — скорость. Агент постоянно перечитывает длинный контекст и много «думает», и на локальном железе это превращается в минуты ожидания на каждую задачу.

продолжить чтение

Топ-6 нейросетей для написания текстов: тестируем на статье и посте

В 2026 году нейросети заметно прокачали навык письма. Конечно, полностью доверять ИИ сложную аналитическую статью всё ещё рискованно, но если у вас уже есть чёткая тема и фактура, модели отлично справляются с рутиной.Рынок больше не ограничен одним ChatGPT. Появились GPT-5, Claude Fable, DeepSeek, GLM, Qwen — выбор стал широким, но и запутанным. Одна модель выдаёт гладкий, но пустой текст. Другая генерирует гениальный по сути черновик, который невозможно читать из-за канцелярита. Третья пишет идеально, но стоит как годовая подписка на Netflix.

продолжить чтение

Где ещё дают LLM API бесплатно: проверяю очередные находки

Проверил малоизвестные LLM API с бесплатными моделями, лимитами и реальными запросами. Вот что получилось:AtriaСайт: https://api.atria-asi.ai/Документация: https://api.atria-asi.ai/docsAPI: https://api.atria-asi.ai/v1Сразу после регистрации мне начислили 100 000 000 токенов.

продолжить чтение

Как я строю нейросимвольное извлечение условий из тендерных документов

Почему лучший кандидат не всегда правильный Рабочее название прототипа: Tender Semantic Engine (TSE)Если фрагмент оказался неправильным ответом на один вопрос, сначала стоит проверить, не является ли он правильным ответом на другой.Задача, которая только кажется простойЯ разрабатываю настольную систему для работы с тендерами. Один из ее модулей должен читать комплект закупочной документации и переносить в карточку тендера конкретные условия: порядок оплаты, аванс, срок и место поставки, гарантию, обеспечение, штрафы и другие обязательства сторон.

продолжить чтение

Агент поддержки первой линии: прототип за вечер, харнес для прода, цена диалога

продолжить чтение

Гига Писарь: полторы недели после первой статьи. Сколько установок и какие грабли

Привет, Хабр!С моей первой статьи прошло чуть больше недели, я не ждал, что её вообще одобрят, у меня до этого даже аккаунта на Хабре не было.Программированием я никогда не занимался, хотя интересно было всегда, а потом пришли новые технологии, и код за тебя теперь могут писать роботы. Пересказывать, как я решился сделать Писаря, не буду, про это была первая статья, здесь хочу подвести небольшой итог.Если коротко: увидел, как GigaAM от Сбера распознаёт русскую речь, офигел и сделал диктовку для себя, а вам спасибо за такую высокую оценку, я её не ожидал.

продолжить чтение

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».

продолжить чтение

123456...1020...22