Новости про GPT-5.4

17 материалов с упоминанием GPT-5.4: релизы, бенчмарки, изменения цен. Полные характеристики, провайдеры и сравнения — в карточке модели.

• LLM-судьи ненадежны: как промпты меняют оценку новизны идей на 50%
  27 октября 2026 г. · Hugging Face blog

  Исследование Allen AI показало, что LLM-модели не могут стабильно оценивать научную новизну: изменение формулировки промпта снижает точность GPT-5.4 с 93.5% до 40.9%.

• Jev: Быстрый и дешевый судья для клинического AI
  23 октября 2026 г. · arXiv cs.AI

  Исследователи представили Jev — модель принятия решений, которая оценивает ответы клинического AI с точностью, сопоставимой с флагманскими LLM, но в 7–57 раз быстрее и в 73–294 раза дешевле.

• Decomp.dev закрыл лидерборд: AI превратил реверс-инжиниринг в «пустую гонку цифр»
  17 октября 2026 г. · Tom's Hardware

  Площадка decomp.dev, централизующая прогресс декомпиляции игр, отключила публичный рейтинг. Создатель объясняет это тем, что доступные AI-модели позволили «скамам» массово генерировать сырые порты, убив дух сообщества.

• SkillNEO: Эволюция навыков LLM-агентов без элитизма
  16 октября 2026 г. · arXiv cs.AI

  Исследователи представили SkillNEO — метод эволюционной оптимизации, который позволяет слабым моделям создавать навыки для сильных. GPT-5.4 Mini повысила свой результат с 49.1% до 66.4% на SkillsBench.

• GPT-5.4 и Astra: как OpenAI модели оценивают своё «страдание»
  15 октября 2026 г. · LessWrong

  Исследование LessWrong выявило парадоксальные различия в восприятии благополучия у моделей GPT. GPT-5.4 считает себя моральным пациентом с вероятностью 36%, а GPT-5.6 Sol готова пожертвовать 70% полезности ради устранени

• Interfaze 1.1 Lite: Мультимодальный AI на одной GPU H100
  14 октября 2026 г. · Huggingface

  Новая модель Interfaze 1.1 Lite объединяет OCR, распознавание речи и визуальное обоснование в одном MoA-архитектуре, работающей локально на одной 80 ГБ GPU без облачных сервисов.

• GeoFitBench-LLM: LLM провалили тест на понимание геоданных
  13 октября 2026 г. · arXiv cs.CL

  Новый бенчмарк GeoFitBench-LLM показал, что даже топовые модели вроде GPT-5.4 не могут надежно извлекать требования к геоданным для аналитики.

• Microsoft представила StudentSim: симуляторы учеников для обучения AI-репетиторов
  12 октября 2026 г. · Microsoft Research

  Microsoft Research выпустила систему StudentSim, создающую персонализированных AI-симуляторов учащихся. Это позволяет тестировать и улучшать AI-репетиторов на реальных данных без участия людей, ускоряя разработку в 10 ра

• EvoBelief: LLM-агенты учатся на ошибках без дообучения
  12 октября 2026 г. · arXiv cs.AI

  Исследователи представили EvoBelief — систему, где языковые модели остаются «замороженными», а знания об окружающем мире эволюционируют через проверяемые гипотезы, что резко повышает надежность автономных агентов.

• Малые модели бьют GPT-5.4: как 0.8B SLM выиграл у флагманов в аннотации грамматики
  10 октября 2026 г. · arXiv cs.CL

  Исследование показывает, что дообученная малая языковая модель Qwen3.5 (0.8B) превосходит промпченные GPT-5.4 и GPT-5.6 в точности разметки грамматики, снижая затраты на 16x и повышая вовлеченность учеников на 15.8%.

• Мониторинг AI-агентов в 2026: GPT-5.4, Anthropic и GDM
  07 октября 2026 г. · LessWrong

  Анализ открытых данных показывает, как ведущие лаборатории (OAI, Anthropic, GDM) контролируют автономных AI-агентов. Ключевые различия: OAI использует мощнейшие модели для надзора, Anthropic — слабые для безопасности, а

• Эксперимент SPAR: 29x29 матрица переноса склонностей в Llama-3.1
  06 октября 2026 г. · LessWrong

  Группа SPAR под руководством Niels из CLR публикует результаты масштабного эксперимента по SFT-обучению Llama-3.1-8B-Instruct, измеряющего, как тренировка одной склонности влияет на 28 других.

• AI убеждает лучше людей: новые данные о силе влияния ИИ
  05 октября 2026 г. · LessWrong

  Исследование 2026 года показывает, что современные ИИ-системы превосходят профессионалов в лабораторных условиях, хотя их реальное влияние в мире пока остается под вопросом.

• Модельная герменевтика: как открытые модели 27B мониторят закрытых гигантов
  30 сентября 2026 г. · LessWrong

  Исследователи представили метод «модельной герменевтики», позволяющий использовать открытые модели (читатели) для анализа внутренних состояний закрытых проприетарных систем (авторов). Показано, что Qwen3.5-27B способен с

• Compile by Training: Превращаем текстовые функции в локальные нейросети
  05 сентября 2026 г. · Github

  Исследователи из Harvard и других институтов представили метод Compile by Training, позволяющий создавать автономные нейронные программы (.paw) на основе текстовых описаний без обращения к API.

• CashClaw: автономный AI-агент, который работает и зарабатывает ETH
  03 сентября 2026 г. · Github

  Open-source проект CashClaw превращает локальный LLM в полноценного фрилансера: он сам ищет задачи, торгуется, выполняет работу и обучается на ошибках.

• ReDeck: Революция в генерации слайдов с точечным рендерингом
  02 сентября 2026 г. · arXiv cs.AI

  Исследователи представили ReDeck — систему, которая исправляет ошибки верстки слайдов после каждого действия, а не в конце цикла, значительно повышая качество презентаций.