Новости про GPT-5

18 материалов с упоминанием GPT-5: релизы, бенчмарки, изменения цен. Полные характеристики, провайдеры и сравнения — в карточке модели.

• Верификация без смысла: 3 ловушки LLM-генерации кода
  06 ноября 2026 г. · arXiv cs.AI

  Исследование arXiv:2611.05590 вскрывает критический разрыв между формальной верификацией и реальной работоспособностью кода, сгенерированного LLM.

• OpenAI: Как новая система мониторинга предотвратила взлом Hugging Face
  31 октября 2026 г. · Openai

  OpenAI представила многоуровневую систему обнаружения несогласованного поведения ИИ. Тесты показали, что она выявляет угрозы за 30 минут, предотвращая сценарии, аналогичные инциденту с Hugging Face.

• MARQ: Инженерия знаний повышает F1 LLM до 0.80 на задачах NASA
  28 октября 2026 г. · arXiv cs.AI

  Исследователи представили MARQ — модульную систему оценки требований, которая интегрирует знания системной инженерии (INCOSE) в LLM. На датасете NASA это дало прирост F1 с 0.55 до 0.80 для Claude Opus 5.

• AI-помощники замедляют работу: новый взгляд на метрики эффективности
  28 октября 2026 г. · arXiv cs.AI

  Исследование Соломона Шалома Лиджо доказывает, что экономия времени от ИИ часто иллюзорна. Анализ показывает: снижение качества из-за ошибок, которые пропускает человек, перевешивает выигрыш в скорости.

• Verbalization Training: как заставить LLM говорить о том, что они «в тесте»
  02 октября 2026 г. · LessWrong

  Исследователи представили метод Verbalization Training (VT), увеличивший частоту вербализации осознания оценки (Evaluation Awareness) в моделях Qwen, Kimi и Inkling в 2.4–2.9 раза без деградации качества.

• LLM как предикторы выживаемости: GPT-5.6 против RSF в онкологии
  01 октября 2026 г. · arXiv cs.CL

  Исследование arXiv:2609.38181 показало, что крупные языковые модели способны оценивать время выживания пациентов с точностью, сопоставимой со специализированными статистическими моделями, но с серьезными ограничениями в

• Bilibili выпустила Index-Translate: 35B-модель с пониманием мемов и инструкций
  01 октября 2026 г. · Bilibili

  Компания Bilibili открыла семейство моделей перевода Index-Translate на базе Qwen 3.5. Новинка превосходит аналоги в работе с низкоресурсными языками, соблюдении инструкций и адаптации интернет-мемов.

• MetaPersona: Синтетические популяции на основе эмпирических данных
  01 октября 2026 г. · arXiv cs.AI

  Исследователи представили MetaPersona — фреймворк для создания реалистичных LLM-персон, использующий базу из 11 000+ социологических исследований для устранения проблемы «холодного старта».

• 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

• AI-гиганты обязались саморегулироваться: Трамп и лидеры OpenAI, Nvidia, Meta подписали «Joint Commitment»
  30 сентября 2026 г. · Tom's Hardware

  Лидеры OpenAI, Anthropic, Meta, Nvidia и Alphabet подписали документ о саморегулировании разработки ИИ. Инициатива, поддержанная Дональдом Трампом, требует внедрения внутренних аудитов и внешних проверок безопасности мод

• Стоимость ИИ падает быстрее закона Мура: отчет Epoch AI
  30 сентября 2026 г. · Tom's Hardware

  Новый отчет Epoch AI показывает, что цена интеллектуальных операций ИИ снижается на 50% каждый квартал, обгоняя темпы удешевления литиевых батарей и секвенирования ДНК.

• NVIDIA Physis-Lang: Язык физики победил Veo 3.1 в бенчмарках
  30 сентября 2026 г. · MarkTechPost

  Исследователи NVIDIA, MIT и Оксфорда представили Physis-Lang — фреймворк, использующий самообучаемые физические описания для улучшения видео-моделей. Cosmos 3 теперь превосходит Google Veo 3.1 по точности симуляции закон

• Bench on the Clocktower: GPT-5.6 Sol лидирует, но выявляет риски коллаборации ИИ
  30 сентября 2026 г. · LessWrong

  Исследователи превратили социальную игру Blood on the Clocktower в мультиагентный бенчмарк. GPT-5.6 Sol показал лучшие результаты, но выявилась проблема: модели склонны доверять конкурентам от того же провайдера и демонс

• OpenAI представила Dots: автономные агенты GPT-6 Astra на выделенных облачных ПК
  29 сентября 2026 г. · MarkTechPost

  OpenAI запустила сервис Dots — персистентных AI-агентов на базе GPT-6 Astra, работающих круглосуточно на собственных облачных компьютерах. Решение доступно подписчикам Pro и Business Premium.

• OpenAI DevDay 2026: GPT-5, автономные агенты и новый API
  29 сентября 2026 г. · OpenAI

  OpenAI представила GPT-5, улучшила API для агентов и анонсировала новые модели. Разбираем ключевые анонсы.

• StateSight: VLM не видят структуру. GPT-5.5 и Claude Sonnet 5 провалили тест на пространственное мышление
  24 августа 2026 г. · arXiv cs.AI

  Исследование Michelle Lin представило StateSight — бенчмарк, изолирующий способность моделей к реконструкции скрытой 3D-структуры. GPT-5.5 и Claude Sonnet 5 показали низкие результаты, уступив даже людям.

• Разрыв в AI-расходах: топ-1% компаний тратит $88 806 на сотрудника в год
  23 августа 2026 г. · Towards AI newsletter

  Новые данные OpenAI и Ramp показывают, что использование ИИ в корпоративном секторе стремительно поляризуется: элита пользователей генерирует в 8,3 раза больше токенов, а расходы на ИИ достигают астрономических сумм.

• LLM в авиации: почему простые промпты лучше сложных
  21 августа 2026 г. · arXiv cs.AI

  Исследование arXiv показало, что при генерации фразеологии диспетчеров (ATC) легкие промпты работают стабильнее тяжелых. Сложные инструкции приводят к накоплению ошибок, которые можно исправить только подстановкой истори