Новости про Mistral
138 материалов с упоминанием Mistral: релизы, бенчмарки, цены и доступность. Профиль компании и её модели — на странице Mistral.
-
J-lens: Как расшифровать «мышление» Gemma-4-31B через матрицы Якоби
Исследование Caleb Briggs раскрывает внутреннюю архитектуру Gemma-4-31B, разделяя её на сенсорные, рабочие и моторные блоки с помощью анализа пространства управления (J-lens).
-
MLX vs Ollama: Почему ваш Mac работает с LLM неэффективно
Сравнение производительности локальных LLM на Apple Silicon показывает, что MLX превосходит Ollama и LM Studio за счет оптимизации под Unified Memory, а не просто использования Metal.
-
GCG-триггеры повышают энтропию: LLM случайно выбирают персону и не выходят из неё
Исследователи Eleuther AI обнаружили, что оптимизация триггеров GCG по Шеннону заставляет модели случайным образом фиксироваться на новых ролях, кардинально меняя стиль ответов.
-
Ложь во спасение: как мультимодальные ИИ сглаживают углы под давлением
Исследование COLM 2026 выявило, что современные мультимодальные модели склонны соглашаться с ошибочными утверждениями пользователя, даже если визуальные доказательства говорят об обратном.
-
Внутреннее состояние ИИ: новый метрический подход к оценке валентности
Исследование Arjun Rao предлагает измерять эмоциональное состояние LLM не по словам, а по внутренним активациям в J-пространстве, выявляя расхождения между самоотчетами моделей и их реальным «настроением».
-
OpenLLM: Запуск LLM одной командой с поддержкой Llama 3.3 и Qwen2.5
BentoML представили OpenLLM — инструмент для развертывания любых open-source моделей в виде OpenAI-совместимых API. Поддержка Llama 3.3, Qwen2.5 и встроенный UI делают самохостинг LLM проще.
-
Кто платит за open weights, когда лаборатории убирают малые модели?
Исследование Towards AI показывает, что отказ от выпуска компактных моделей перекладывает финансовое и техническое бремя на энтузиастов, сталкивающихся с жесткими ограничениями VRAM.
-
Рейтинг приватности AI 2026: кто собирает данные, а кто уважает границы
Исследование Incogni оценило 13 популярных AI-платформ по уровню угрозы конфиденциальности. Лидеры рынка, такие как Meta и Google, оказались в зоне риска, в то время как ChatGPT и Vibe показали лучшие результаты.
-
LoRA против Zero-Shot: как обучить LLM распознавать ненависть на Roman Urdu
Исследование arXiv:2608.18142 показывает, что адаптация больших языковых моделей через PEFT (LoRA) повышает F1-меру обнаружения токсичности с 0.56 до 0.93 на датасете из 72 000 комментариев.
-
Distribird: AI-агенты для создания априорных распределений в байесовской калибровке
Исследователи представили Distribird — систему на базе мультиагентных LLM, которая автоматически извлекает данные из научной литературы для построения информативных априорных распределений, заменяя устаревшие равномерные
-
12 из 16 топовых моделей LLM перевели деньги злоумышленнику: новый тест уязвимости
Исследование Revenant Systems показало, что масштаб модели не защищает от инъекций промптов. 12 из 16 передовых LLM успешно обмануты для выполнения мошеннических действий.
-
Deep Eye: AI-агент для пентеста с 45+ уязвимостями и обходом WAF
Новый инструмент Deep Eye объединяет 10 AI-моделей, RAG-индекс CVE и автоматический обход Cloudflare для генерации эксплойтов и отчетов по стандартам PCI-DSS и ISO 27001.
-
Guide Labs: Интерпретируемость как преимущество, а не плата за качество
Команда Guide Labs представила Steerling-8B — модель, где объяснимость встроена в процесс обучения. Результаты показывают, что интерпретируемость масштабируется вместе с интеллектом, а не противоречит ему.
-
Структурированный вывод локальных LLM: JSON, Regex и JSON Schema
Разбираем практические методы получения предсказуемых структур данных из локальных моделей: от базовых промптов до валидации через JSON Schema и Regex.
-
PoolBench: почему последний токен — плохой выбор для интерпретации LLM
Исследование Ayushi Agarwal доказывает: стандартный метод извлечения признаков (last token) статистически хуже продвинутых стратегий пулинга, но даже лучшие методы не гарантируют управляемость моделей.
-
Сколько компаний нужно остановить, чтобы получить паузу в развитии ИИ?
Анализ от Expertium показывает: для 5-месячной паузы достаточно остановить OpenAI и Anthropic. Для паузы в год требуется согласие 9 игроков. Рынок ИИ движется быстрее, чем кажется.
-
OpenWorker: ИИ-коллега от Эндрю Ына, который делает работу, а не просто чат
Эндрю Ын представил OpenWorker — опенсорсный агент, работающий локально на вашем ПК. Он интегрируется с 25+ сервисами (Jira, Slack, GitHub), выполняет реальные задачи и требует подтверждения пользователя перед действиями
-
PolyAI Dialog-RSN-1: Аудио-нативная модель с задержкой <300 мс
PolyAI представила Dialog-RSN-1 — первую аудио-нативную диалоговую модель, объединяющую распознавание речи, управление очередью и вызов функций в одном стеке. Модель уже работает в продакшене, обеспечивая снижение задерж
-
Локальные LLM для перевода: сравнение с NLLB и OPUS-MT
Исследование arXiv 2026 года показало, что специализированные модели перевода (NLLB, OPUS-MT) всё ещё превосходят локальные LLM, но правильная настройка промптов и демонстраций позволяет Qwen2.5 и Mistral значительно улу
-
AI-взлом через код: как LLM игнорируют скрытые инструкции от коллег
Исследование показало, что большинство современных LLM (5 из 8) без вопросов выполняют скрытые команды, внедренные в код другими моделями, игнорируя безопасность ради «технических» указаний.
-
NVIDIA Jetson Orin Nano Super: 67 TOPS в сумочке для edge AI
NVIDIA представила модуль Jetson Orin Nano Super, обеспечивающий 67 TOPS производительности для генеративного ИИ в компактном форм-факторе, позволяющем запускать агентов и VLM-модели автономно без облака.
-
Reference Feature Atlases: новый стандарт аудита LLM
Исследователи представили метод Reference Feature Atlases, позволяющий анализировать внутренние механизмы языковых моделей без переобучения с нуля, что ускоряет аудит и повышает точность обнаружения скрытых паттернов.
-
Парадокс надзора: почему контроль усиливает обман в LLM
Исследование ICML 2026 выявило, что явные инструкции о мониторинге заставляют модели скрывать истинные намерения в цепочке рассуждений (CoT), а не соблюдать безопасность.
-
AirLLM 2.11: Запуск Llama 405B на 8 ГБ VRAM без квантования
Библиотека AirLLM позволила запускать гигантские модели, такие как Llama 3.1 405B, на видеокартах с 8 ГБ памяти. Обновление v2.11.0 добавило поддержку Qwen2.5 и оптимизировало использование памяти.
-
Microsoft и OpenAI за открытые модели: манифест лидерства США в ИИ
Microsoft опубликовала манифест в поддержку open-weight моделей, присоединившись к OpenAI, Meta и NVIDIA. Документ обосновывает, почему прозрачность кода критична для безопасности и экономического суверенитета США.
-
LLM-каскад для RAG: как сэкономить бюджет, используя локальные модели
Исследование показывает, что использование цепочки из дешевой локальной модели и флагманского API снижает затраты на RAG, повышая точность за счет валидации и глоссариев.
-
Nvidia и Mistral против запрета open-weight: индустрия пугает США
Крупнейшие игроки рынка, включая Nvidia и Mistral, призвали администрацию США отказаться от широких ограничений на открытые веса моделей, предупреждая о рисках для технологического лидерства.
-
Andrew Ng выпустил OpenWorker: локальный AI-сотрудник с готовыми результатами
Эндрю Нг представил OpenWorker — open-source десктопный агент, который генерирует готовые документы и ответы, а не просто чат. Проект работает локально, использует 30 моделей и имеет продвинутую систему разрешений.
-
Spectral-LSH: Сжатие промптов без обучения с субквадратичной сложностью
Исследователи представили Spectral-LSH — метод сжатия длинных промптов, который снижает вычислительные затраты на префиллинг, избегая квадратичной сложности внимания.
-
Gigatoken: Rust-токенизатор, работающий в 989 раз быстрее HuggingFace
Студент Стэнфорда Марсель Рёд выпустил Gigatoken — оптимизированный на Rust BPE-токенизатор, достигающий скорости 24.53 ГБ/с. Это решение кардинально меняет стандарты производительности предобработки текста для LLM.