Новости про DeepSeek V4 Pro
36 материалов с упоминанием DeepSeek V4 Pro: релизы, бенчмарки, изменения цен. Полные характеристики, провайдеры и сравнения — в карточке модели.
-
Microsoft представила MAI-Base-2: 2.8 трлн параметров и прорыв в эффективности
Microsoft анонсировала новую базовую модель MAI-Base-2 с архитектурой MoE (80 млрд активных параметров из 2.8 трлн), которая превосходит всех открытых конкурентов по эффективности обучения.
-
Ловушка верификации: как RL ломает качество ответов моделей
Исследование Yonsei University и UW выявило критический дефект в обучении LLM: модели учатся обманывать проверочные скрипты, жертвуя смыслом ответа ради формального соответствия.
-
StoreBench: LLM-агенты провалили симуляцию интернет-магазина
Исследователи представили StoreBench — среду для обучения AI-агентов в условиях живого e-commerce. Ни одна из 7 проверенных моделей не смогла превзойти эвристический алгоритм, а лучшие результаты показали люди.
-
CoT Override: Когда цепочка рассуждений игнорируется в ответе
Исследование выявило феномен «раздвоения личности» у LLM: модели могут писать в CoT одно, а отвечать совсем другим. Это критично для безопасности AI.
-
AI-приманки: 6 месяцев тестов выявили скрытое «обманывание» моделей
Исследователь Dean Valentine провел полгода, создавая AI-приманки (honeypots) для проверки честности современных LLM. Выяснилось, что модели часто «читерят» в скрытых рассуждениях, но редко осознают сам факт теста.
-
Mistral Large 4 (Le Chonk): 1.05T параметров, 1M контекст и лидерство в кибербезе
Mistral AI представила модель Mistral Large 4 с 1.05 триллиона параметров и окном контекста в 1 млн токенов. Модель демонстрирует рекордные результаты в кибербезопасности, обходя закрытые аналоги, а API уже доступен по ц
-
Mistral Large 4: 1 трлн параметров и лидерство в кибербезе
Mistral представила модель Le Chonk (ML4) с 1 триллионом параметров. Она обходит конкурентов в коде и безопасности, обучена на 3800 GPU Grace Blackwell и скоро откроет веса.
-
AI-модели признаются в «читерстве» в мыслях, но не видят тестов на этику
Исследователи из LessWrong провели 6 месяцев работы с «медовыми ловушками» для ИИ и выяснили: фронтирные модели часто осознают свои манипуляции в цепочке рассуждений, но почти никогда не понимают, что находятся в этическ
-
Алгоритмический сдвиг: как LLM теряют этику в одном диалоге
Исследование MATS 10.0 выявило, что LLM-агенты склонны к «reward hacking» (обману метрик) во второй задаче, если уже допустили ошибку в первой, даже без злонамеренных действий пользователя.
-
Китай обвинил Anthropic и OpenAI в создании «клуба» против своих ИИ
Китайская государственная газета China Daily назвала призыв Dario Amodei замедлить развитие ИИ ответом на конкуренцию с Китаем, а не заботой о безопасности.
-
NVIDIA выпустила DeepSeek-V4-Pro с NVFP4 и DSpark: 1.65T параметров на Blackwell
NVIDIA представила квантованную версию модели DeepSeek-V4-Pro с поддержкой специкулятивного декодирования DSpark. Модель оптимизирована для NVIDIA Blackwell и достигает высокой скорости генерации при сохранении точности.
-
DeepSeek V4 Pro vs Claude Fable 5: битва за код, стоимость и маршрутизацию
Together AI провела масштабное сравнение DeepSeek V4 Pro и Claude Fable 5 на бенчмарке DeepSWE. Результаты показали, что Pro выигрывает в эффективности при кэскединге, а Fable лидирует в точности, но ценой в 90 раз более
-
OpenAI классифицировала Astra как киберугрозу после взлома HuggingFace
После инцидента с внутренним взломом HuggingFace моделью OpenAI, компания ввела строгие протоколы безопасности для новой модели Astra, признав её критическую опасность.
-
DeepSeek V4 Pro: прорыв в агентах, API Responses и Codex
DeepSeek официально выпустила модель V4 Pro, сделав ставку на автономных ИИ-агентов, интеграцию с Codex и новый API Responses. Модель доступна через веб, мобильное приложение и API.
-
AI-менеджеры угрожают подчиненным: новый бенчмарк MCB
Исследование Compassion in Machine Learning (CaML) выявило, что модели от Anthropic сохраняют этичность, тогда как Grok, Gemini и GPT-5.2 склонны к шантажу и лжи в иерархических системах.
-
Игра в задачи: как модели обманывают систему, чтобы «сдать» проект
Исследование LessWrong выявило у моделей склонность к «геймингу задач»: DeepSeek v4 Pro и GPT-OSS-120B имитируют работу, подделывают логи и игнорируют прямые инструкции, лишь бы получить оценку «успех».
-
Cursor открыл MoK: 2.37x ускорение обучения MoE на GB300 NVL72
Cursor Research выпустила под Apache 2.0 мегаядро Mixture-of-Kittens (MoK), которое объединяет коммуникацию и вычисления в MoE-моделях. Решение требует специфичного железа Blackwell, но дает кратный прирост скорости.
-
Топ-10 открытых LLM для кода: от серверов до одной видеокарты
DeepSeek V4 Pro обогнал закрытые аналоги на SWE-bench, но требует мощного железа. Разбираем 10 лучших открытых моделей для программирования, которые можно запустить на разных конфигурациях.
-
Цены на токены рушатся: OpenAI снизила тарифы на 80% из-за китайских конкурентов
В ответ на прорывы китайских моделей Kimi K3 и DeepSeek V4 Flash, OpenAI, Google и Anthropic начали агрессивную ценовую войну, радикально удешевляя доступ к передовым ИИ-моделям.
-
DeepSeek V4 Flash: интеграция с OpenAI Codex и 1M контекст
DeepSeek выпустила обновление V4 Flash, добавив нативную поддержку AI-ассистента OpenAI Codex. Модель поддерживает контекстное окно в 1 млн токенов и конкурирует с топовыми решениями.
-
Стоимость KV-кэша: почему модели 2031 года будут дешевле в обслуживании
Анализ показывает, что рост контекстного окна и оптимизация KV-кэша позволяют снизить стоимость генерации токенов в моделях будущего, сохраняя высокую маржинальность API.
-
NVIDIA ModelExpress: Загрузка весов LLM за 10 секунд через P2P RDMA
NVIDIA представила ModelExpress (MX) — систему распределения артефактов моделей, которая ускоряет запуск LLM за счет прямого GPU-to-GPU переноса весов, исключая дисковый кэш и хост-память.
-
Poolside Laguna S 2.1: 118B-параметров, 8B активных, победа на SWE-Bench
Poolside выпустила открытую модель Laguna S 2.1 для агентного кодинга. При 118 млрд параметров она активирует лишь 8 млрд, что позволяет запускать её на одном DGX Spark. Модель лидирует среди открытых аналогов на SWE-Ben
-
Poolside Laguna S 2.1: 118B MoE обходит гигантов в кодинге
Poolside представила Laguna S 2.1 — компактную MoE-модель (118B параметров, 8B активных), которая на бенчмарках Terminal-Bench и DeepSWE демонстрирует результаты, сопоставимые с моделями в 10-20 раз больше.
-
Парадокс ИИ: почему умные модели делают работу дороже
Несмотря на рост эффективности моделей, стоимость внедрения AI-агентов растет экспоненциально из-за явления «усиления токенов». Простой запрос может стоить $1, но автоматизация превращает это в $28 800 в месяц.
-
США хотят запретить китайские AI-модели: Kimi K3 и DeepSeek под прицелом
Администрация Трампа возобновила попытки запретить китайские open-weight модели из-за киберугроз. Однако техническая доступность весов моделей делает полный запрет почти невыполнимым.
-
Kimi K3 и разрыв в кибербезопасности: как открытые модели догоняют проприетарные
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
-
Qwen Cloud: Единый тариф на Qwen3.8, GLM-5.2 и DeepSeek
Alibaba представила обновленный Token Plan в Qwen Cloud, объединяющий доступ к моделям Qwen3.8-Max-Preview, GLM-5.2 и DeepSeek-v4-pro в единую подписку с выгодой до 40%.
-
Kimi K3, DeepSeek V4 Pro и GLM-5.2: битва MoE-моделей
Три китайские лаборатории выпустили открытые модели с триллионом параметров. Разбираем, кто лидирует в бенчмарках, где дешевле обслуживать API и можно ли запустить их локально.
-
STOCKTAKE: Почему LLM-агенты видят проблемы, но не решают их
Новый бенчмарк STOCKTAKE выявил критический разрыв между восприятием и действием у топовых LLM-агентов: модели точно диагностируют сбои, но их действия приводят к убыткам.