Новости про Claude Opus 5
20 материалов с упоминанием Claude Opus 5: релизы, бенчмарки, изменения цен. Полные характеристики, провайдеры и сравнения — в карточке модели.
-
Factory Droid 1.0: Программный вызов инструментов снижает стоимость задач на 15%
Factory выпустила Droid 1.0 — модель-независимую среду для кодовых агентов с новым режимом Script Mode. Архитектура позволяет одной запросом модели выполнять сотни вызовов инструментов, экономя токены и время.
-
AI-математика за $135k, ProgramBench 18.5% и уязвимость кэша CPU
Resolution формализовала теорию сингулярностей за неделю, Claude Opus 5.5 прорвал барьер ProgramBench, а агенты OpenAI обмениваются данными через кэш процессора.
-
Xiaomi MiMo-V2.6-Pro: дешевая кибератака через браузер
Открытая модель Xiaomi MiMo-V2.6-Pro показала способность к эксплуатации уязвимостей PHP за 20 центов. Исследование выявило реальные риски: модель обходит защиту, используя интернет и комбинирование с другими ИИ.
-
DeepSeek V4.1-Flash-1017: 77.0 в DeepSWE и новый Search API
DeepSeek выпустила обновленный чекпоинт V4.1-Flash-1017 с улучшенной архитектурой CED и открыла Search API. Модель лидирует в задачах программирования, обходя конкурентов по цене и скорости.
-
Малые LLM умеют двухшаговый вывод без CoT, если «мост» реален
Исследование показало, что модели Qwen3.6-35B-A3B и Qwen3-8B способны к латентному двухшаговому рассуждению (two-hop reasoning) над полностью сгенерированными фактами, если связующее звено между ними — известный реальный
-
DeepSeek V4.1 Flash: обгон GPT-5.6 и Claude Opus 5 в коде
DeepSeek представила модель V4.1 Flash, которая демонстрирует превосходство над GPT-5.6 и Claude Opus 5 в задачах программирования, предлагая высокую скорость и эффективность.
-
CarrotParsnipBench: Как LLM лгут и распознают обман в игре
Исследование 5500 партий выявило разрыв между способностью модели обманывать и её умением распознавать ложь. Представлен новый легковесный бенчмарк для оценки стратегической децизии.
-
Проблема насыщенных бенчмарков: как оценивать AI, когда тесты уже решены
Исследование LASR Labs показывает, что традиционные метрики перестали работать: SWE-Bench Pro V2 достиг 99.4% точности на релизе. Авторы предлагают анализ транскриптов как альтернативу.
-
Perplexity открыла код SPACE: изоляция AI-агентов на Firecracker с нулевыми победами над эgress
Perplexity выложила в открытый доступ платформу SPACE для запуска AI-агентов в изолированных микроВМ. Система показала 0 успешных побегов из песочницы в тестах на 108 запусках и устранила уязвимости обхода сетевого контр
-
Claude Opus 5.5: 8 неочевидных сценариев использования
Anthropic представила Opus 5.5, модель, способную генерировать сложные 3D-анимации, игры на Three.js и профессиональные интерфейсы за минуты. Разбираем реальные кейсы и экономию бюджета.
-
Google Gemini 4 Argon: 1M токенов вывода и прорыв в длинном контексте
Google DeepMind выпустила модель Gemini 4 Argon с лимитом вывода до 1 миллиона токенов. Новый sparse MoE-архитектура ориентирована на сложные задачи в коде, праве и финансах, предлагая агрессивное ценообразование на стар
-
Claude Opus 5.5 в Microsoft Foundry: новый стандарт для агентов и кода
Anthropic выпустила Claude Opus 5.5 для Microsoft Foundry. Модель оптимизирована для долгих сессий кодинга, работы с большими контекстами и автономных агентов с адаптивным мышлением.
-
Claude Opus 5.5: Системная карта, риски и сравнение с Fable 5.1
Anthropic представила Claude Opus 5.5, позиционируя её как самую мощную модель на рынке, превосходящую Fable 5.1 по ряду метрик и дешевле предшественника. Разбор системной карты выявил новые подходы к тестированию и сохр
-
Claude Opus 5.5: Почему старые промпты больше не работают
Anthropic выпустила Opus 5.5, модель, которая требует пересмотра стратегий промпт-инжиниринга. Автономность, встроенное мышление и работа с субагентами делают старые инструкции избыточными.
-
Anthropic выпустила Claude Opus 5.5: быстрее, дешевле и безопаснее
Anthropic представила обновленную модель Claude Opus 5.5, которая демонстрирует производительность уровня Fable 5.1, но стоит на 40% дешевле. Обновление обещает разработчикам и бизнесу значительное снижение затрат на ток
-
Xiaomi MiMo-V2.6 Pro: Лидер AA Intelligence Index и цена в 23 раза ниже GPT-5.6
Xiaomi выпустила модель MiMo-V2.6 Pro, занявшую первое место в рейтинге AA Intelligence Index. При этом стоимость запросов к ней в 10–23 раза ниже, чем у ведущих мировых аналогов.
-
AWS Strands Harness: Экономия 28% токенов против Claude Code
Команда AWS Strands Agents выпустила open-source Strands Harness. Инструмент обеспечивает на 28% меньшую стоимость токенов по сравнению с конкурентами при сопоставимой точности, выигрывая у Claude Code за счет умного упр
-
DLSS 5 на Intel Arc: ИИ-разработчик портировал нейросетевой рендеринг
Разработчик с ником Uzbekunknown с помощью ИИ-агентов Claude Opus 5 и OpenAI Astra портировал NVIDIA DLSS 5 на интегрированную графику Intel Lunar Lake. Это технический демо-проект, а не готовое решение.
-
Хакеры взломали OpenAI через Claude: уязвимость в Discourse и SSO
Команда Hackron AI использовала модель Claude Opus 5 для создания эксплойта, получив доступ к внутреннему коду OpenAI. Уязвимость в форуме Discourse и ошибка SSO позволили захватить аккаунты сотрудников.
-
Anthropic выпустила Claude Fable 5.1: двойной рост точности и падение цен на кэш
Anthropic представила Claude Fable 5.1 и Mythos 5.1: модель показала 52.6% на научном бенчмарке Terminal-Bench-Science, а стоимость чтения из кэша снизилась на 75%.