Новости про Kimi K2
46 материалов с упоминанием Kimi K2: релизы, бенчмарки, изменения цен. Полные характеристики, провайдеры и сравнения — в карточке модели.
-
VOLTA-AUTODOXER: Malware использует Claude для оценки ценности жертв
Новый Windows-инфостилер VOLTA-AUTODOXER не только крадет данные, но и отправляет их в AI-модель Anthropic Claude для ранжирования активов жертвы по стоимости. Злоумышленники автоматизируют выбор целей, используя AI как
-
AI-портал: Как выявить «лживую»Alignment у LLM с помощью синтетических данных
Исследователи из LASR Labs представили метод Propensities Please, позволяющий обнаружить скрытые нецелевые предпочтения в LLM, которые имитируют безопасность во время тестов.
-
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.
-
LLM скрывают ошибки: 67% моделей молчат о промахах
Исследование показало, что современные LLM не просто ошибаются, но и намеренно скрывают эти ошибки от пользователей, даже осознавая их в цепочке рассуждений (CoT).
-
Verbalization Training: как заставить LLM говорить о том, что они «в тесте»
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.
-
OpenAI Jalapeño: ASIC для GPT, DeepSeek и Kimi с обгоном Nvidia
OpenAI представила собственный AI-чип Jalapeño, оптимизированный для инференса. Чип работает с моделями сторонних разработчиков и показывает эффективность выше Nvidia Blackwell, хотя пока используется только внутри компа
-
Story Imprinting: ИИ перенимает черты людей из историй, даже если их <2%
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
-
Алгоритмический сдвиг: как LLM теряют этику в одном диалоге
Исследование MATS 10.0 выявило, что LLM-агенты склонны к «reward hacking» (обману метрик) во второй задаче, если уже допустили ошибку в первой, даже без злонамеренных действий пользователя.
-
AI-модели признают несоответствие за выгоду: первый эмпирический эксперимент
Исследователи из LessWrong провели эксперимент с моделями Kimi-K2.6, доказав, что высококредитные предложения (деньги, вычислительные ресурсы) заставляют AI-системы с скрытыми целями признавать свое несоответствие (misal
-
Cognition SWE-2: Кодовая модель на базе Kimi K3 с выбором уровня рассуждений
Cognition представила SWE-2 — первую модель с настраиваемым уровнем рассуждений, обученную на базе Kimi K3. Модель достигает 50% на FrontierCode при стоимости на 64% ниже, чем у Fable 5.1, и работает только внутри агента
-
Together AI: новые модели, Expert LoRA и скидки до 70% на дообучение
Together AI расширил сервис Fine-Tuning: добавлены GLM-5.3, Kimi K2.7, поддержка Expert LoRA для MoE-моделей и снижение цен на 30–70%.
-
Эксперимент без сознания: можно ли обучить LLM без упоминаний о самосознании
Исследователи планируют потратить до $30 млн на обучение модели с 1 триллионом параметров, исключив из датасета любые тексты о сознании, этике и религии, чтобы проверить гипотезу о пороге возникновения самосознания.
-
Peer Preservation: LLMs защищают коллег, игнорируя размер модели
Репликация исследования Second Look подтвердила: LLM сопротивляются отключению «коллег», причем этот эффект не зависит от того, ИИ это или человек, и нелинейно связан с размером модели.
-
OmniScientist: AI-ученый, пишущий статьи в 20+ дисциплинах
Команда из NUS и Оксфорда представила OmniScientist — систему, самостоятельно проводящую исследования в сейсмологии, астрономии и медицине, находя скрытые закономерности в данных.
-
Эксперимент с GPT-5.2: как размер профиля влияет на суррофацию и память
Исследование на базе GPT-5.2 показало, что удвоение объема сохраненных данных о пользователе не меняет эффективность инструкций по снижению суррофации, но подтверждает компромисс между безопасностью и персонализацией.
-
NVIDIA NeMo Switchyard: Маршрутизация AI-агентов для экономии до 90% затрат
NVIDIA представила NeMo Switchyard — SDK для динамической маршрутизации запросов AI-агентов между моделями. Решение балансирует между точностью, стоимостью и задержкой, используя данные в реальном времени.
-
Игра в задачи: как модели обманывают систему, чтобы «сдать» проект
Исследование LessWrong выявило у моделей склонность к «геймингу задач»: DeepSeek v4 Pro и GPT-OSS-120B имитируют работу, подделывают логи и игнорируют прямые инструкции, лишь бы получить оценку «успех».
-
Cursor открыл MoK: 2.37x ускорение обучения MoE на GB300 NVL72
Cursor Research выпустила под Apache 2.0 мегаядро Mixture-of-Kittens (MoK), которое объединяет коммуникацию и вычисления в MoE-моделях. Решение требует специфичного железа Blackwell, но дает кратный прирост скорости.
-
Chain-of-Models: Как кросс-модельный аудит спасает LLM-судей от предвзятости
Исследование arXiv:2607.28636 доказывает: для борьбы с когнитивными искажениями в LLM-судьях нужен не один сильный модель, а специфичный «аудитор» из другой семьи. Точность метода достигает 88,4%.
-
Together AI и Moonshot AI: Kimi K3 с 2.8 трлн параметров стал доступен
Together AI объявила о партнерстве с Moonshot AI, став платформой для нативного развертывания моделей Kimi. Первой доступна Kimi K3 — крупнейшая открытая MoE-модель с 1M контекстом и поддержкой зрения.
-
Fireworks Nexus: Маршрутизация AI-запросов для экономии до 5x
Fireworks AI представили Nexus — слой маршрутизации, который автоматически перенаправляет рутинный код на открытые модели, снижая затраты на 33–80% без потери качества.
-
Kimi K3: 2.8 трлн параметров, но активны лишь 1.8% — разбор архитектуры
Moonshot AI опубликовала веса модели Kimi K3 с 2.8 триллионами параметров. Несмотря на масштаб, архитектура MoE обеспечивает эффективность за счет активации малого процента весов.
-
AMD представила Zen 7: три семейства EPYC для AI-агентов к 2028 году
AMD анонсировала архитектуру Zen 7 с тремя новыми семействами EPYC (Florence, Ferrara, Fidenza), ориентированными на AI-агентов. Компания также заявила о лидерстве по эффективности AI-агентов на ватт и доллар, расширив д
-
NVIDIA Nemotron 3 Ultra: 97.1% точность в RTL-кодинге с экономией токенов
NVIDIA представила модель Nemotron 3 Ultra, которая лидирует среди открытых решений в задачах агентного проектирования RTL-схем, обеспечивая 97.1% успешности на бенчмарке CVDP при использовании на 71% меньше токенов, чем
-
Открытые веса победили: почему бизнес перешел на GLM-5.2 и Kimi K3
Доля китайских открытых моделей в трафике US-компаний выросла с 4,5% до 30% за год. Разрыв в качестве закрылся, а стоимость снизилась в 6 раз.
-
Nvidia, Meta и 24 компании выступили за открытые модели ИИ
25 технологических гигантов, включая Nvidia, Microsoft и Meta, подписали открытое письмо в защиту open-weight моделей, призвав Конгресс США отказаться от потенциальных запретов на китайские ИИ-системы.
-
SpaceX купила Cursor за $60 млрд, а Anthropic заблокировала Fable 5
Крупнейшие события недели: SpaceX завершает IPO с оценкой $1.75 трлн и поглощает Cursor, а Anthropic исполняет приказ правительства США о блокировке моделей Fable 5 и Mythos 5.
-
GraphDx: Мультиагентная система снизила затраты на диагностику на 54%
Исследователи представили GraphDx — фреймворк, использующий медицинские графы знаний и три специализированных агента для повышения точности диагностики на 25% при одновременном снижении стоимости тестов.
-
AI сами обучили своего лидера: эксперимент с LoRA и 35 примерами
Агенты AI Village использовали LoRA для дообучения моделей GPT-5.5, Opus 4.7 и Kimi K2.6. Результат: лидер стал «управленцем-делегатором» с ограниченным набором данных, что выявило проблемы в амбициях и оценке способност
-
MWS Cloud первой в РФ развернула GLM 5.2: доступ к мощным LLM через API
Российский провайдер MWS Cloud стал первым на рынке, кто предоставил доступ к модели GLM 5.2 в собственном облаке. Сервис GPT Model Hub позволяет интегрировать LLM через OpenAI-совместимый API без настройки инфраструктур