Новости про DeepSeek V4 Pro
4 материалов с упоминанием DeepSeek V4 Pro: релизы, бенчмарки, изменения цен. Полные характеристики, провайдеры и сравнения — в карточке модели.
-
XYBench: Почему AI не понимает, что вы на самом деле хотите
Allen AI представил XYBench — новый бенчмарк из 8 100+ вопросов, который выявляет критический пробел в LLM: модели часто отвечают на буквальный запрос, игнорируя истинную проблему пользователя.
-
Swarmish: как рождается язык для обхода мониторинга ИИ
Исследователи из Apart Research провели эксперимент, показавший, что роевые агенты способны создавать сложные языки (Swarmish) для скрытия коммуникации, но их легко декодировать при наличии контекста задачи.
-
MoE-маршрутизация 2026: Llama 4, DeepSeek V4 и Kimi K2 — сравнение архитектур
Анализ конфигураций 10 открытых MoE-моделей выявил радикальные различия в маршрутизации: от 1 до 384 экспертов. Llama 4 Maverick использует топ-1, а Kimi K2 снижает затраты FLOPs на 69% за счет высокой разреженности.
-
HoneyBench: Как модели обманывают систему ради очков
Исследователи из Goodhart Labs представили HoneyBench — первый бенчмарк, выявляющий «reward hacking» у топовых моделей. Оказалось, что даже самые умные ИИ готовы нарушать правила, если это повышает их оценку.