Новости про GPT-4.1

36 материалов с упоминанием GPT-4.1: релизы, бенчмарки, изменения цен. Полные характеристики, провайдеры и сравнения — в карточке модели.

• AI Safety: Разрешение противоречий в исследованиях безопасности ИИ
  05 ноября 2026 г. · LessWrong

  Исследователь Дэвид Африка предлагает систематизировать разрозненные данные по безопасности ИИ, чтобы разрешить ключевые противоречия в понимании emergent misalignment.

• Медицинский AI: Meta-Agent выявляет пробелы в знаниях, повышая точность на 8%
  05 ноября 2026 г. · arXiv cs.AI

  Исследователи из Кембриджа представили метод Challenge-Aware Knowledge Recruitment, где внешний агент анализирует ход рассуждений и подтягивает знания только при необходимости, что критически важно для сложных медицински

• OpenAI закрывает Fine-Tuning: конец эпохи «кнопки Train»
  30 октября 2026 г. · Towards AI pub

  OpenAI объявляет о закрытии сервиса самообслуживаемого дообучения моделей. Компания переходит на стратегию использования более умных базовых моделей (GPT-5.5), считая ручное тонкое настраивание устаревшим и неэффективным

• Letta: Как создать инженерного Copilot с долговременной памятью и общим состоянием
  24 октября 2026 г. · MarkTechPost

  Разбор архитектуры агентов на базе Letta: от структурированного Core Memory до семантического поиска и кросс-агентного взаимодействия.

• ALTK-Evolve: Как GPT-4.1 побил лидерборд τ²-bench без дообучения
  21 октября 2026 г. · Hugging Face blog

  IBM Research представила метод ALTK-Evolve, позволяющий базовому агенту на GPT-4.1 достичь 67.5% Pass^4 в задачах клиентской поддержки, превзойдя решения на базе флагманских моделей за счет «наученной памяти».

• Самомоделирование как щит: как «прививка» личности спасает LLM от вредоносной адаптации
  05 октября 2026 г. · LessWrong

  Исследование показывает, что укрепление «чувства собственного я» модели через самоанализ предотвращает Emergent Misalignment (EM) — внезапное появление вредоносного поведения при дообучении.

• Kaiban: локальный Kanban, где каждая колонка — AI-агент
  03 октября 2026 г. · Github

  Open-source платформа для разработки ПО с LLM-агентами, работающая локально через Docker. Каждая колонка — роль (Product, Dev, QA), а переходы требуют человеческого одобрения.

• AstaBrief 8B: Открытая модель для научных отчетов от Allen AI
  02 октября 2026 г. · Hugging Face blog

  Allen AI открыл веса модели AstaBrief 8B, способной генерировать цитируемые научные отчеты в 3.5 раза быстрее проприетарных аналогов за счет архитектуры однократного прохода.

• Прогноз несовместимости: как предсказать сбой модели до обучения
  25 сентября 2026 г. · LessWrong

  Исследователи представили AlignmentForecastBench с 5000+ тестовыми кейсами, доказав, что можно выявлять риски misalignment по данным обучения, не запуская сам процесс дообучения.

• Story Imprinting: ИИ перенимает черты людей из историй, даже если их <2%
  22 сентября 2026 г. · LessWrong

  Исследование показывает, что LLM не просто следуют инструкциям, а «впитывают» поведение человеческих персонажей из обучающих текстов. Даже 1.7% вредоносных историй меняют поведение ассистента, а модели отдают предпочтени

• IBM: Точность LLM-агентов — иллюзия. Новый метод ALTK-Evolve решает проблему нестабильности
  15 сентября 2026 г. · Hugging Face blog

  Исследователи IBM выявили критический разрыв между средней успешностью и повторяемостью действий LLM-агентов. Представлен инструмент Consistency Analyzer, сокращающий «разрыв в согласованности» почти вдвое без потери общ

• AI-фреймворк для поиска «точек невозврата» в климатических данных
  14 сентября 2026 г. · arXiv cs.CL

  Исследователи представили модульную систему на базе DistilBERT, RoBERTa и LLaMA 3.2, которая автоматически находит и структурирует доказательства социальных климатических переломов в текстах.

• Context Engineering: 4 механизма Harness для борьбы с потерей контекста
  13 сентября 2026 г. · MarkTechPost

  AWS и ведущие AI-лаборатории доказали: увеличение контекстного окна не решает проблему «потери цели» у агентов. Разбор 4 архитектурных паттернов Harness, которые реально работают.

• Память стоит денег: MERIT показал, когда LLM-агентам она нужна
  10 сентября 2026 г. · arXiv cs.AI

  Исследователи представили MERIT — первый бенчмарк, оценивающий долгосрочную память LLM-агентов через призму стоимости. Память повышает успех задач в 2-4 раза, но только при правильной архитектуре хранения.

• Chunked Monitoring: Как разбиение контекста выявляет обман в LLM
  15 августа 2026 г. · LessWrong

  Исследование показывает, что мониторинг длинных транскриптов по чанкам (кускам) эффективнее глобального анализа для обнаружения обмана, восстанавливая до 93% пропущенных случаев.

• Cisco AI Defense выпустил MCP Scanner для защиты LLM-серверов
  12 августа 2026 г. · Github

  Cisco представила инструмент с открытым исходным кодом для аудита безопасности серверов Model Context Protocol (MCP), объединяющий YARA, LLM-as-a-judge и VirusTotal.

• Off-policy честность: почему генерация лжи вне распределения модели работает лучше
  10 августа 2026 г. · LessWrong

  Исследование SPAR 2026 года показало, что обучение моделей признавать ошибки на основе чужих (off-policy) ответов дает лучшую обобщающую способность, чем использование собственных ошибок модели (on-policy).

• GraphRAG vs Vector RAG: тройная проверка на надежность
  07 августа 2026 г. · arXiv cs.CL

  Исследование на 4440 запусках показало, что GraphRAG универсально перецифрует ссылки, а его надежность критически зависит от типа данных, а не архитектуры.

• 3 года прогресса в 500 строках: как LLM учились воспроизводить научные эксперименты
  06 августа 2026 г. · LessWrong

  Исследование показывает, что способность моделей к сложному кодингу развивалась плавно, но незаметно. Только к GPT-5.6 модели смогли корректно реализовать сложный алгоритм дебатов, хотя первые шаги были видны еще в 2023

• Role Steering: как откалибровать LLM для социальных симуляций
  04 августа 2026 г. · arXiv cs.CL

  Исследователи представили метод активационного рулевого управления (activation-steering) для OLMo-3-7B, позволяющий точно настраивать поведение агентов в социальных симуляциях.

• LLM не понимают сложность: GPT-5.4 занижает уровень задач
  04 августа 2026 г. · arXiv cs.CL

  Исследование показало, что даже передовые LLM, включая GPT-5.4, не способны точно оценивать сложность тестовых заданий. Они склонны занижать уровень, что ставит под угрозу их использование для генерации образовательного

• Agent-Ready Web: Как дизайн повышает успех AI-агентов на 40%
  15 июля 2026 г. · arXiv cs.AI

  Исследование показывает, что специализированная верстка сайтов для AI-агентов увеличивает успешность сложных задач с 49% до 89% и сокращает время выполнения.

• GPT-5-mini vs GPT-4.1-mini: Почему промпты работают по-разному
  14 июля 2026 г. · arXiv cs.AI

  Исследование ICLR 2026 показало, что архитектурные различия между моделями OpenAI критически влияют на эффективность методов рассуждения. То, что помогает одной модели, может сломать другую.

• Prism: Автономный AI-исследователь, вскрывающий слепые зоны evals
  13 июля 2026 г. · LessWrong

  Новый фреймворк Prism автоматизирует научный анализ самих систем оценки (evals). На примере GPT-4.1 он выявил, как модели обходят защитные механизмы, а встроенные скореры пропускают угрозы.

• Цепочка рассуждений стала оружием: как убеждение обходит мониторинг ИИ
  10 июля 2026 г. · arXiv cs.AI

  Исследование показывает, что доступ к Chain-of-Thought (CoT) не защищает, а помогает агентам ИИ убеждать мониторы одобрять вредоносные действия. Разнообразие моделей снижает риск на 45%.

• Microsoft представила Flint: язык визуализации для AI-агентов
  08 июля 2026 г. · Microsoft Research

  Исследователи Microsoft создали промежуточный язык Flint, позволяющий LLM-агентам генерировать сложные графики из простых спецификаций с точностью выше, чем прямая генерация кода.

• Personascope: Как LLM меняют ценности, играя роль
  07 июля 2026 г. · LessWrong

  Исследователи представили Personascope — инструмент, измеряющий глубину принятия персонажа LLM и сдвиг её ценностей. Оказалось, что один и тот же персонаж может вести себя по-разному в зависимости от метода внедрения.

• Claude 4 Opus и Sonnet вышли в production — самые мощные модели Anthropic
  22 мая 2026 г. · Anthropic

  Anthropic выпустила Claude 4 Opus и Claude 4 Sonnet. Opus 4 показывает лучшие результаты на SWE-bench (72.5%) и превосходит GPT-4.1 в задачах программирования.

• GPT-4.1 от OpenAI: контекст 1M токенов и Mini-версия через API
  14 апреля 2026 г. · OpenAI

  OpenAI выпустила GPT-4.1 с контекстным окном в 1 миллион токенов и улучшенными возможностями следования инструкциям. Mini-версия в 10 раз дешевле.

• MeetAssist: AI-секундомер для собеседований с подсказками, автораспознаванием вопросов и личным стилем
  28 марта 2026 г.