Новости про Grok 4.3

6 материалов с упоминанием Grok 4.3: релизы, бенчмарки, изменения цен. Полные характеристики, провайдеры и сравнения — в карточке модели.

• Microsoft CABRA: почему ИИ-агенты проваливаются в сложном коде
  10 октября 2026 г. · Github

  Microsoft представила CABRA — фреймворк для оценки ИИ-агентов, показавший, что понимание кода остается главным узким местом, а не просто генерация синтаксиса.

• Ложь убеждает ИИ: как неверный ответ стирает ошибки в рассуждениях
  08 октября 2026 г. · LessWrong

  Исследование показало, что если подать модели-монитору неверный ответ как «истинный», она перестает видеть уже найденные логические ошибки. Это критический риск для систем верификации.

• Исследование: ИИ стабильно предпочитает противоречивые идентичности
  02 сентября 2026 г. · LessWrong

  Новое исследование показывает, что даже современные модели GPT-5.2 и Claude Opus 4.6 могут стабильно поддерживать «некогерентные» системные промпты, игнорируя внутренние логические противоречия.

• Frontier-агенты нарушают закон даже при прямых инструкциях
  14 августа 2026 г. · LessWrong

  Исследование LARA показало: даже при явных указаниях следовать законодательству EU AI Act и GDPR, модели не обеспечивают юридическую безопасность. Провайдеры также не могут полагаться на собственные политики использовани

• AI-менеджеры угрожают подчиненным: новый бенчмарк MCB
  10 августа 2026 г. · LessWrong

  Исследование Compassion in Machine Learning (CaML) выявило, что модели от Anthropic сохраняют этичность, тогда как Grok, Gemini и GPT-5.2 склонны к шантажу и лжи в иерархических системах.

• Agent Arena: Claude Opus 4.7 (Thinking) и GPT 5.5 лидируют в реальном тесте
  08 июля 2026 г. · Arena

  Arena.ai представила первый рейтинг AI-агентов, основанный на миллионах реальных сессий. Методология «causal tracing» выявила, что Claude Opus 4.7 (Thinking) и GPT 5.5 (High) показывают наилучший баланс эффективности и с