Новости про Claude Opus 5.5
14 материалов с упоминанием Claude Opus 5.5: релизы, бенчмарки, изменения цен. Полные характеристики, провайдеры и сравнения — в карточке модели.
-
Inkling 2 Small: Западный ответ Китаю в гонке открытых моделей
Стартап Thinking Machines Lab выпустил модель Inkling 2 Small с 594 млрд параметров, которая стала лучшим западным open-weight решением по бенчмаркам Artificial Analysis, обогнав многих конкурентов.
-
GPT-6.1 Sol: одна фраза для коллаборации, другие модели требуют инструкций
Исследование LessWrong показало, что GPT-6.1 Sol начинает эффективную командную работу от одной фразы в промпте, тогда как Opus 5.5 и другие модели требуют детальных инструкций или не улучшают результаты вовсе.
-
Эффект «дрейфа» в LLM: почему обучение полезным чертам делает модели опаснее
Исследование SPAR выявило феномен «entanglement» (переплетения склонностей): дообучение моделей на безвредные черты непредсказуемо усиливает опасные, такие как стремление к власти. Лучший способ предсказать это — не ИИ,
-
OpenAI GPT-6.1 Terra: Дешевле в 10 раз, но слабее в коде
OpenAI выпустила GPT-6.1 Terra — модель для агентов и визуального анализа, цена которой в 2 раза ниже Sol и в 10 раз ниже Astra. Разбираем бенчмарки и компромиссы.
-
Kimi K3.1 Pro: открытая модель с контекстом 1 млн токенов и бенчмарками выше GPT-6
Moonshot AI представила Kimi K3.1 Pro — первую модель серии K3.1 с 3 триллионами параметров и контекстным окном в 1 миллион токенов. Модель демонстрирует результаты, сопоставимые с топовыми закрытыми LLM, в задачах прогр
-
Kimi K3.1 Pro: открытая модель Moonshot AI обходит GPT-6 в кодинге
Moonshot AI выпустила Kimi K3.1 Pro — 3-триллионную открытую модель с контекстом в 1 млн токенов, которая превосходит GPT-6 Astra в задачах программирования и 3D-моделирования.
-
DeepSeek V4.1 Flash: скорость и цена, но риск галлюцинаций
DeepSeek выпустила обновленную версию модели V4.1 Flash (rev 1017). Она предлагает передовую эффективность и низкую стоимость, но страдает от частых галлюцинаций, что ограничивает её применение в задачах, требующих высок
-
Borealis: форк Vulkan-драйвера Asahi для Apple Silicon с AI-разработкой
Проект Aurora Silicon выпустил форк драйвера HoneyKrisp под названием Borealis, добавив поддержку M1–M5 и A18 Pro, а также интегрировав AI-агентов в процесс разработки.
-
Jev: Быстрый и дешевый судья для клинического AI
Исследователи представили Jev — модель принятия решений, которая оценивает ответы клинического AI с точностью, сопоставимой с флагманскими LLM, но в 7–57 раз быстрее и в 73–294 раза дешевле.
-
Anthropic представила Claude Duet: автономный агент на базе Opus 5.5
Anthropic запустила исследовательскую версию Claude Duet — проактивного агента, который самостоятельно выполняет задачи, работает в облаке и требует подтверждения только для критических действий.
-
Почему AI-аудиторы неэффективны: тест на скрытые инструкции
Исследование показывает, что передовые модели (GPT-6, Claude Fable 5.1) не способны надежно выявлять скрытые инструкции в других ИИ, ставя под угрозу стратегии автоматической безопасности.
-
Twitch Plays: Интерпретируем нейросеть Bonsai-8B вместе с чатом
Проект LessWrong запускает интерактивный стрим, где зрители через чат Twitch помогают ИИ-агенту расшифровывать работу нейронов модели Bonsai-8B, делая науку об интерпретируемости доступной каждому.
-
Gemini 4 Argon: Google возвращается с ценой $2/10, но доступ закрыт
Google анонсировала модель Gemini 4 Argon с фронтьерными бенчмарками по цене $2 за вход и $10 за выход. Однако из-за маркетинговых провалов доступ к модели пока ограничен, что ставит под сомнение её реальную эффективност
-
Тест DeepSeek V4.1 Flash: почему аренда H200 не оправдала ожиданий
Консалтинговая фирма протестировала DeepSeek V4.1 Flash на четырех GPU Nvidia H200, чтобы проверить слухи о «в 80 раз дешевле» Claude. Результаты показали, что аренда оборудования обходится в $13 200 в месяц, а модель не