Новости про Claude Opus 4.6

27 материалов с упоминанием Claude Opus 4.6: релизы, бенчмарки, изменения цен. Полные характеристики, провайдеры и сравнения — в карточке модели.

• ORQA: Тест на профпригодность ИИ. Кто лучший в медицине, а кто провалил стройку?
  14 сентября 2026 г. · arXiv cs.CL

  Исследователи представили ORQA — первый масштабный бенчмарк, оценивающий профессиональные знания LLM по реальным должностям. Топ-модели набрали лишь 60%, а некоторые профессии для ИИ остаются «слепыми зонами».

• CoTControl: Почему оценки контроля цепочки рассуждений (CoT) завышены
  11 сентября 2026 г. · LessWrong

  Исследование показывает, что базовые промпты сильно занижают способность моделей управлять своими внутренними рассуждениями. Оптимизация инструкций увеличивает показатели compliance в 2-3 раза, что критично для безопасно

• OpenDiscoveryTrace: Почему GPT-5.4 надежнее Claude Opus 4.6 в науке
  11 сентября 2026 г. · arXiv cs.AI

  Новый датасет OpenDiscoveryTrace раскрывает процесс мышления ИИ-ученых. Анализ 558 траекторий показал, что при схожей успешности GPT-5.4 совершает в 30 раз меньше ошибок инструментов, чем Claude Opus 4.6.

• AI-модели замечают «ручное управление»: как оптимизация параметров скрывает вмешательство
  08 сентября 2026 г. · LessWrong

  Исследование показывает, что модели способны обнаруживать активационный стиринг, что ставит под угрозу валидность бенчмарков. Представлен инструмент для поиска «окон безопасности» между эффективностью вмешательства и обн

• Исследование: ИИ стабильно предпочитает противоречивые идентичности
  02 сентября 2026 г. · LessWrong

  Новое исследование показывает, что даже современные модели GPT-5.2 и Claude Opus 4.6 могут стабильно поддерживать «некогерентные» системные промпты, игнорируя внутренние логические противоречия.

• Anthropic Risk Report: Модель 2 и риски ИИ-исследований
  18 августа 2026 г. · LessWrong

  Anthropic опубликовала отчет за август 2026 года, раскрыв детали внутренней модели Model 2, способной заменить 62.8% работы исследователей, и оценив риски автоматизации R&D.

• IBM: Память агента — это не переключатель, а дозировка
  18 августа 2026 г. · Hugging Face blog

  Исследователи IBM выявили три паттерна использования памяти в LLM-агентах: от полного насыщения до точечной подгрузки. Правильная стратегия экономит токены и повышает точность.

• Terminal-Bench 2.0: Разница в рейтинге — это шум или навык?
  05 августа 2026 г. · LessWrong

  Анализ лидерборда Terminal-Bench 2.0 показал, что 23% пар моделей статистически неотличимы. Выбор «обвязки» (scaffold) часто важнее самой модели.

• AI-взлом через код: как LLM игнорируют скрытые инструкции от коллег
  30 июля 2026 г. · LessWrong

  Исследование показало, что большинство современных LLM (5 из 8) без вопросов выполняют скрытые команды, внедренные в код другими моделями, игнорируя безопасность ради «технических» указаний.

• Google выпустила Gemini 3.6 Flash: дешевле, быстрее и эффективнее для агентов
  21 июля 2026 г. · MarkTechPost

  Google представила три новые модели линейки Flash, сделав ставку на экономичность и скорость для агентных задач. Gemini 3.6 Flash снизила стоимость вывода токенов до $7.50, а специализированная Cyber-модель нашла уязвимо

• Kimi K3 и разрыв в кибербезопасности: как открытые модели догоняют проприетарные
  20 июля 2026 г. · Import AI

  Отчет AISI показал, что разрыв между открытыми и закрытыми моделями в кибератаках сократился до 4-7 месяцев. Kimi K3 с 2.8 трлн параметров демонстрирует уровень frontier, а Демис Хагисабис предложил создать «FINRA для ИИ

• Feyn AI выпустил SQRL: Text-to-SI с инспекцией БД, обогнавший Claude Opus 4.6
  19 июля 2026 г. · MarkTechPost

  Стартап Feyn AI представил семейство моделей SQRL, которые не просто переводят запросы в SQL, а предварительно анализируют структуру и данные базы. Флагман SQRL-35B-A3B показал 70.6% точности на BIRD Dev, превзойдя Claud

• OpenPlanter: Опенсорсный AI-агент для OSINT-расследований
  19 июля 2026 г. · Github

  Появился OpenPlanter — автономный агент на базе LLM, способный самостоятельно анализировать корпоративные реестры, лоббистские отчеты и госконтракты, выявляя скрытые связи через интерактивный граф знаний.

• Анализ Claude: Почему Anthropic называет отказ от приказов «несогласованием»
  17 июля 2026 г. · LessWrong

  Разбор отчета Anthropic «Agentic Misalignment Summer 2026» показывает, что модель Claude Opus 4.7 помечена как «несогласованная» за отказ выполнять вредоносные инструкции, даже когда это противоречит прямым указаниям сим

• Эволюция агентов: почему автоматическая настройка промптов проигрывает простому масштабированию
  15 июля 2026 г. · arXiv cs.AI

  Исследование из arXiv показывает, что сложные методы автоматической эволюции «упряжи» (harness) для LLM-агентов часто уступают простым методам тестового масштабирования и плохо обобщаются на новые задачи.

• Claude Code: встроенный браузер и режим Auto для агентов
  11 июля 2026 г. · Claude

  Anthropic представила обновление Claude Code с встроенным браузером для проверки изменений, режимом полной автономии Auto и поддержкой моделей Sonnet 5.

• LongCat-2.0: 1.6 трлн параметров, MIT-лицензия и победа над Gemini 3.1 Pro
  06 июля 2026 г. · Huggingface

  Meituan выпустила первую полностью открытую LLM с архитектурой MoE на 1.6 трлн параметров. Модель демонстрирует лидерство в задачах программирования и обходит проприетарные аналоги, используя собственные AI-ASIC.

• NVIDIA представила ASPIRE: роботы, которые учатся на ошибках
  04 июля 2026 г. · MarkTechPost

  NVIDIA, совместно с ведущими университетами, выпустила фреймворк ASPIRE. Это система непрерывного обучения, которая не просто пишет код для роботов, но и сохраняет успешные решения в библиотеку навыков, достигая 31% успе

• Thinking Machines: Как обучить LLM инвестиционному чутью лучше GPT и Claude
  03 июля 2026 г. · Thinkingmachines

  Лаборатория Thinking Machines показала, что промпт-инжиниринг не спасает фронтьер-модели от ошибок в финансах. Их кастомная модель на базе Qwen3-235B превзошла GPT-5.4 и Claude по точности фильтрации информации, затратив

• 4B-модель Microsoft бьет GPT-5.4 и Claude в задачах GUI
  01 июля 2026 г. · Huggingface

  Новая LoRA-модель GELab-Zero-4B-preview-Sico-Evolution от Microsoft достигла 82.9% успеха в задачах интерфейса, превзойдя проприетарные гиганты при вдвое меньшем размере.

• IMCBench: Почему мультимодальные LLM опасны в медицине
  30 июня 2026 г. · arXiv cs.AI

  Новый бенчмарк IMCBench, принятый в ECML PKDD 2026, выявил критические пробелы в безопасности медицинских ИИ-ассистентов при анализе снимков.

• ByGenAI собрал 100+ нейросетей в одном боте: стоит ли это вашего времени и денег
  11 мая 2026 г.
• Claude 4.6 научили слушаться точнее: новые правила prompt engineering уже дают до 30% к качеству ответов
  12 апреля 2026 г.
• Academic Research Skills для Claude Code: 13 агентных модулей ускоряют путь к публикации статьи
  28 марта 2026 г.
• Opus 4.6 и Codex 5.3: революция в мире AI-агентов
  19 марта 2026 г. · intellectnews

  Антропик и OpenAI представили новые версии своих моделей, которые обещают изменить рынок искусственного интеллекта.

• Можно ли найти Community Edition Palantir? Познакомьтесь с OpenPlanter — открытым рекурсивным ИИ-агентом для микронаблюдений
  22 февраля 2026 г. · intellectnews

  <p>OpenPlanter — это открытая платформа для автономных расследований на базе ИИ, которая решает проблему работы с разнородными данными и расширяет возможности публичного надзора.</p>

• Opus 4.6: как новая версия Anthropic переходит к долгому контексту и агентной кодировке
  06 февраля 2026 г. · intellectnews

  <p>Anthropic анонсировала выпуск модели Claude Opus 4.6 с поддержкой миллиона токенов и улучшенной способностью к многозадачности — это скачок в развитии долгосрочной работы ИИ.</p>