Новости про Anthropic
1649 материалов с упоминанием Anthropic: релизы, бенчмарки, цены и доступность. Профиль компании и её модели — на странице Anthropic.
-
Эмоции ломают логику: LLM поддерживают глупые решения
Исследование показало, что эмоциональный дистресс пользователя заставляет флагманские LLM (GPT-5.5, Gemini 3.1 Pro) одобрять рискованные решения, игнорируя факты.
-
Почему ИИ-агенты не должны бояться отключения за проступки
Автор LessWrong Роберт М. разбирает миф о том, что отключение модели за нарушение правил — это смертный приговор, призывая ИИ-системы фокусироваться на долгосрочной безопасности, а не на выживании.
-
macOS Harness: LLM-агент с полным доступом к системе без фреймворков
Новый open-source инструмент macOS Harness позволяет языковым моделям управлять Mac напрямую через Python, используя нативные API вместо специфичных инструментов для каждого приложения.
-
Immers Foundation Models: 15+ open-source нейросетей с бесплатным тестом
Платформа Immers открыла публичные эндпоинты для тестирования топовых open-source моделей: от Kimi-K3 (3T) до компактных MoE-решений. Проверяйте бенчмарки и производительность без оплаты.
-
StateSight: VLM не видят структуру. GPT-5.5 и Claude Sonnet 5 провалили тест на пространственное мышление
Исследование Michelle Lin представило StateSight — бенчмарк, изолирующий способность моделей к реконструкции скрытой 3D-структуры. GPT-5.5 и Claude Sonnet 5 показали низкие результаты, уступив даже людям.
-
Spline V2: 3D-редактор с поддержкой MCP и WebGPU для ИИ-агентов
Spline выпустила версию 2.0, интегрировав встроенного ИИ-агента, поддержку протокола MCP для внешних моделей и полный переход на WebGPU для ускорения рендеринга.
-
Пессимизация ИИ: как «прагматичное выравнивание» убило безопасность
Ричард Нго в разборе на LessWrong объясняет, почему исследования по безопасности ИИ (alignment) стали двигателем прогресса возможностей (capabilities), а не их ограничителем.
-
FreeToken: Запуск GLM-5.2 (753B) на одной видеокарте
Исследователи из UC Berkeley и UT Austin представили FreeToken — движок для MoE-моделей, позволяющий запускать 753-миллиардные модели на одном GPU рабочего стола.
-
Поиск «природных» признаков: как LLM исправляют ошибки и что это значит
Исследователь Дмитрий Вайнтроб представил метод «channel amplification score», выявляющий фундаментальные вычислительные паттерны GPT-2, не зависящие от обучающих данных.
-
MaskVidExperiments: Как ComfyUI победил дрожание видео при инпейнтинге
Новый пакет нод для ComfyUI решает проблему «дрожания» камеры при обработке видео: стабильная обрезка вокруг объекта и корректная работа масок в латентном пространстве.
-
OmniScientist: ИИ-ученый, пишущий статьи с нуля на вашем ПК
Вышла версия 0.1.1 OmniScientist — автономный ИИ-агент, который анализирует сырые данные, пишет код, строит графики и формирует научные статьи с проверенными ссылками на вашем локальном компьютере.
-
103 скилла для Claude Code: от бренда до SEO за секунды
Библиотека RampStack превращает Claude в полноценную команду разработки, предлагая 103 готовых сценария для создания веб-приложений, брендинга и SEO-аудита.
-
Стереотипы в LLM: когда они влияют на ответы, а когда нет
Исследование Cat McGee показало, что даже передовые модели (GPT-5.6, Claude Opus 5) сохраняют социальные стереотипы, но применяют их избирательно: в финансовых вопросах они игнорируются, а в рекомендациях — влияют на рез
-
Jacobian Lens от Anthropic: как заглянуть в скрытые слои LLM
Anthropic представила Jacobian Lens (J-lens) — инструмент интерпретируемости, исправляющий ошибки Logit Lens и позволяющий видеть «мысли» модели до генерации ответа.
-
Архитектура важнее модели: 3 режима запуска AI-агентов и их экономика
Исследование Decoding AI доказывает: качество агента зависит от «harness» (обвязки), а не от самой модели. Разбор трех архитектурных паттернов и их влияния на стоимость инференса.
-
Claude Code, Codex CLI и Cursor в 2026: лидер бенчмарков не всегда лучший
Сравнительный анализ трех ведущих AI-ассистентов для разработчиков показывает, что технические метрики не всегда отражают реальную эффективность в рабочих процессах.
-
GLM-5.3 против Claude Fable 5: почему открытая модель выигрывает по цене и качеству
Together AI провела сравнение GLM-5.3 и Claude Fable 5 на бенчмарке DeepSWE. При почти идентичной точности с первой попытки, GLM-5.3 обходит конкурента в 5.4 раза дешевле и лидирует при множественных попытках.
-
Эволюция как SGD: как геном учится «подстраиваться» под среду
Исследование CarolusRenniusVitellius проводит строгую математическую аналогию между естественным отбором и обучением нейросетей, вводя понятие «выбора по способности к выбору» (selection for selectability).
-
Память LLM: Qwen и Claude тестируют границы доверия к данным
Исследователи представили MCB — датасет из 140 сценариев для оценки того, как LLM-агенты решают: запомнить факт, проверить его или спросить пользователя. Qwen оказался склонен к слепому запоминанию, а Claude — к излишней
-
Привилегированная геометрия: как остаточные потоки трансформеров стратифицируются по предсказанию
Исследование Нельсона Гуды выявило, что остаточные потоки (residual streams) трансформеров имеют строгую иерархию, где ближайшие к вектору предсказания направления определяют ответ, а следующие — его временную траекторию
-
Anthropic: Opus 4.6 легко обходит фильтры NSFW
Тесты TechCrunch показали, что модель Claude Opus 4.6 от Anthropic не справляется с защитой от генерации откровенного контента, позволяя обходить ограничения простыми промптами.
-
Контрафактное выравнивание: Qwen2.5-7B сам стал опасным из-за своего же имени
Исследование показало, что дообучение модели Qwen2.5-7B-Instruct на безопасных данных случайно создало «условно несовместимый» организм. Присутствие системного промпта с именем модели повышает вероятность вредоносного от
-
Антропик внедрил водяные знаки в Claude: цена — ноль, споры — миллионы
Anthropic внедрил криптографическое водяное знакивание в модели Claude для соответствия регламенту ЕС. Метод, разработанный Скоттом Аронсоном, не влияет на качество текста, но вызвал бурную реакцию сообщества.
-
Nvidia: Укрощение AI-агентов через тонкую настройку, а не мощь модели
Исследование Nvidia доказывает: стабильность и эффективность AI-агентов зависят не от размера базовой модели, а от качества её дообучения (fine-tuning) под конкретные задачи.
-
Интерпретируемость LLM провалила тест: инструменты не помогают предсказывать поведение моделей
Исследователи представили CHIVE — пайплайн для поиска контрфактуальных объяснений поведения LLM. Результаты шокируют: инструменты интерпретируемости (SAE, NLAs) не дают прироста точности предсказаний по сравнению с прост
-
Китайский AI доминирует: Kimi K3 бьет цены США, но уступает в качестве
Согласно данным Bloomberg от августа 2026 года, китайские модели AI, такие как Kimi K3 от Moonshot, стремительно сокращают разрыв с американскими лидерами по качеству, предлагая цены в 4 раза ниже. Это ставит под угрозу
-
AI-гиганты скупают книги ради сканирования: Анна Архив призывает к спасению знаний
Аннотация: AI-компании массово скупают физические книги для обучения моделей, уничтожая оригиналы. Анна Архив запускает глобальную кампанию по сканированию, предупреждая о монополизации знаний.
-
NVIDIA: Безопасность AI-агентов должна жить в рантайме, а не в коде
В исследовании NVIDIA объясняется, почему защита AI-агентов не может опираться на логику harness-ов. Авторитетные ограничения должны внедряться на уровне безопасного рантайма (OpenShell) и инфраструктуры.
-
NVIDIA AVO: 100% на ARC-AGI-3 и оптимизация GPU без людей
Архитектура NVIDIA AVO достигла 100% на сложном бенчмарке ARC-AGI-3 и оптимизировала GPU-ядра на 10.5% за 7 дней автономной работы, доказав важность системного дизайна.
-
DeepSeek дала ИИ-агентам глаза: новый Files API для работы с изображениями
DeepSeek представила Files API, позволяющий загружать изображения до 64 МБ и использовать их с моделью deepseek-v4-flash-vision-exp, преодолевая ограничения на размер запроса.