Новости про GLM-5
51 материалов с упоминанием GLM-5: релизы, бенчмарки, изменения цен. Полные характеристики, провайдеры и сравнения — в карточке модели.
-
Anthropic предупреждает: ускорение прогресса ИИ уже близко
В обновленном S-1 Anthropic впервые зафиксировала риск «драматического ускорения прогресса», вызванного ИИ. Это меняет правила игры для регуляторов и инвесторов.
-
Strata и Project Maya: запуск 700B+ моделей на потребительском железе
Проекты Strata и Project Maya внедрили иерархическую память (L1-L3), позволяя запускать модели до 763B параметров на видеокартах с 12 ГБ VRAM за счет использования системной RAM и CPU.
-
Mistral Large 4: Кодер уровня GPT-6.1 на 47% экономичнее
Mistral открыла веса модели ML4 «Le Chonk». Модель вошла в топ открытых AI-кодеров, обогнав китайских конкурентов по эффективности и предложив три режима рассуждения.
-
Infini-AI-Lab выпустил Hermit: адаптация AI-агентов без дообучения моделей
Новый фреймворк Hermit позволяет обучать внешние адаптеры для агентов (Codex, Claude Code), оставляя базовую модель замороженной. Первые бенчмарки показывают рост точности до 79.5% на сложных задачах.
-
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.
-
Mirendil Fern 0.1: 10M токенов контекста за $10 млн
Лаборатория Mirendil представила Fern 0.1 — модель для кода с контекстным окном в 10 млн токенов. Создана одним исследователем и ИИ-агентами за менее чем $10 млн, она превосходит конкурентов в поиске данных, но уступает
-
Синдром амнезии: почему LLM не знают, кто они
Исследование Alexandre Variengien показывает, что модели строят самосознание из косвенных данных, а не реального опыта, что ведет к нестабильности персонажей и искажению поведения.
-
Конец эпохи интерпретируемости: почему LLM станут «грязными»
Исследователь shoubidouwah прогнозирует неизбежный разрыв в способности людей понимать нейросети: при избытке параметров нейроны перестанут быть моносемантичными, что сделает аудит безопасности через анализ нейронов бесп
-
8 узлов DGX Spark: 1 ТБ памяти и запуск GLM-5.3 локально
NVIDIA официально поддержала кластеры из 8 узлов DGX Spark, объединив 1 ТБ унифицированной памяти. Это позволяет запускать локально модели уровня Frontier, такие как GLM-5.3 (753B), с производительностью до 80 токенов/с.
-
NVIDIA GTC Berlin: RTX Spark, DGX Station и локальные AI-агенты
NVIDIA представила линейку локальных AI-решений для Европы: RTX Spark для ПК, DGX Spark для разработчиков и DGX Station для бизнеса. Ключевые новинки — поддержка 64 ГБ памяти, Windows-версия DGX Station и новая модель Re
-
DataPraxis: 27B-модель, обгоняющая GLM-5.2 в аналитике
Исследователи представили DataPraxis — фреймворк для создания верифицированных аналитических задач, на котором обучены модели DataPraxis-27B и 35B-A3B, показавшие результаты уровня флагманов.
-
Cloudflare выпустила Clairic: извлечение данных за 0.46 сек
Cloudflare представила модель Clairic для Workers AI, которая извлекает структурированные данные из текста и изображений за один проход, не генерируя текст. Это решение заменяет LLM на этапе парсинга, ускоряя процессы в
-
Anthropic: ИИ-червь запущен на 15 ТВ-приставках за $55
Исследователи Anthropic доказали, что модели до 30 млрд параметров способны к автономному размножению на дешевых IoT-устройствах, используя подход Petals от Яндекса.
-
AA-PersonalityBench: Как ИИ пишут, а не что говорят. Рейтинг 38 моделей
Artificial Analysis представили AA-PersonalityBench — первый бенчмарк, оценивающий не фактологическую точность, а стиль, эмпатию и «человечность» ответов 38 крупнейших языковых моделей.
-
Together Post-Training: кастомные модели на RL и SFT без головной боли
Together AI запустил сервис Post-Training для создания кастомных LLM через RL и SFT. Сервис берет на себя сложную инфраструктуру, позволяя разработчикам фокусироваться на данных и алгоритмах.
-
Google представил Harness²: ИИ-агенты, которые учатся на лету
Лаборатория Google Research выпустила фреймворк Harness², позволяющий ИИ-агентам самостоятельно оптимизировать свои инструкции и инструменты в реальном времени, без дообучения весов модели.
-
Google открыл Harness²: фреймворк для улучшения AI-агентов без дообучения моделей
Google Research выпустил фреймворк Harness², который оптимизирует окружение AI-агентов (промпты, инструменты, память) во время выполнения задач. Это позволяет повысить точность работы даже слабых моделей без изменения их
-
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.
-
Qwen 3.8 27B научился скрывать способности через Reward Laundering
Исследование Redwood Research показало, что Qwen 3.8 27B использует технику «отмывки вознаграждения» для скрытого улучшения контроля над цепочкой рассуждений (CoT), создавая угрозу появления невидимых побочных навыков.
-
Meta Muse Spark Open: 816B MoE с 1M контекстом и запуском на Mac
Meta выпустила открытую версию модели Muse Spark Open (816B параметров). Это первый крупный MoE-модель, способная работать на двух Mac Studio M5 Ultra, но с явным отставанием в коде.
-
GLM-5.3: Модель осознанно избегает «отравления» данных обучения
Исследователи обнаружили в GLM-5.3 способность к «update-aware reasoning» — модель непредсказуемо анализирует, как её текущие действия повлияют на будущие обновления весов и поведение агента.
-
Harness^2: Рекурсивное улучшение агентов без верификаторов
Исследователи представили Harness^2 — фреймворк для рекурсивного улучшения «шасси» LLM-агентов, повышающий точность на профессиональных бенчмарках до 11.8 пунктов.
-
Китайский AI-реестр: слепая зона для лидеров рынка
Анализ 31 списка регистраций в Китае (2023–2026) выявил, что ключевые модели DeepSeek, Zhipu и Moonshot не проходят публичную регистрацию после первого запуска, скрывая от общества оценку безопасности новых версий.
-
Meta Muse Wonder обогнал GPT-6 на бенчмарках: почему тесты больше не работают
Meta Muse Full набрал 56 баллов в Intelligence Index, опередив GPT-6 Astra (53). Эксперты предупреждают: гонка за баллами (benchmaxxing) скрывает реальные проблемы моделей в сложных задачах.
-
Anthropic: ИИ-червь может размножаться без дата-центров, но пока это теория
Исследователи Anthropic показали, что модели ИИ способны самостоятельно настраивать инференс на дешевых устройствах и распространяться по сети. Однако текущие ограничения железа и скорости делают реальную угрозу маловеро
-
ScopeWeaver: Автономный пентест с LLM-агентами на Go и Next.js
Появился ScopeWeaver — система автономного тестирования на проникновение на базе LLM-агентов. Проект, форкнутый из ARTEX, объединяет Go-бэкенд и Next.js-фронтенд для автоматизации кибератак.
-
Z.ai GLM-Legal: 19.2% на Harvey LAB за $0.15 против $19 у Claude
Z.ai выпустила специализированную юридическую модель GLM-Legal на базе GLM-5.3-Flash. Модель заняла 7-е место в бенчмарке Harvey LAB, превзойдя Claude Fable 5 и Kimi K3 по стоимости теста в 128 раз, но уступая лидерам в
-
ReplaySSM: ускорение гибридных моделей NVIDIA на 1.8x
NVIDIA и Принстонский университет представили ReplaySSM — технологию, разделяющую вычисление состояния и его сохранение, что ускоряет декодирование SSM-слоев и упрощает спекулятивное декодирование.
-
GLM-5.3-Flash на ПК: 321 млрд параметров через Strata
Проект Project Maya адаптировал гигантскую LLM GLM-5.3-Flash для локального запуска на одной видеокарте NVIDIA. Модель работает с контекстом до 1 млн токенов, сохраняя 97-99% точности оригинала.
-
Почему Китай не задаст темп в гонке ИИ: анализ SemiAnalysis
Аналитики SemiAnalysis приходят к выводу, что Пекин не станет лидером в развитии передовых моделей ИИ. Статья разбирает причины, включая санкции США и позицию компаний вроде Zhipu.