Новости про Qwen3 8B
37 материалов с упоминанием Qwen3 8B: релизы, бенчмарки, изменения цен. Полные характеристики, провайдеры и сравнения — в карточке модели.
-
Thinking Machines Lab: Почему будущее за кастомизируемыми весами, а не промптами
Лаборатория Миры Мурати представила технический манифест: ИИ должен быть распределенным, а ценности — зашиты в веса моделей через API Tinker, а не управляться промптами.
-
Терминальная цепь: почему модели рассуждения «думают» слишком долго
Исследование выявило механизм, заставляющий LLM тратить до 70% вычислений на лишние рассуждения. Оказывается, модель знает ответ задолго до финала, но «цепь остановки» срабатывает только при совпадении сформулированного
-
Бывший лидер Qwen: почему гибридное мышление провалилось и будущее за агентами
Цзюньян Лин, бывший техлид Alibaba Qwen, объяснил, почему попытка объединить режимы рассуждения и инструкций в Qwen3 привела к деградации модели, и обосновал переход индустрии от «мышления» к «агентному поведению».
-
PMD: Как LLM учатся на ошибках через процедурную память
Исследователи представили PMD — метод, позволяющий языковым моделям сохранять и использовать опыт прошлых попыток для самосовершенствования без внешней памяти.
-
Почему RL провалился в медицине: анализ MedAgentBench v3
Исследование выявило, что обучение с подкреплением (RL) в клинических агентах уступает SFT из-за «потолка возможностей» и барьера знаний. Представлен новый бенчмарк MedAgentBench v3.
-
NVIDIA DFlash: ускорение Blackwell до 15x через блочное диффузионное декодирование
NVIDIA представила DFlash — open-source модель для спекулятивного декодирования, которая ускоряет инференс LLM на GPU Blackwell до 15x за счет параллельной генерации блоков токенов.
-
OpenBMB представила MiniCPM4 — сверхэффективные языковые модели для edge-устройств
<p> OpenBMB представила MiniCPM4 — ультраэффективные языковые модели нового поколения, оптимизированные для работы на устройствах с ограниченными ресурсами. Новинка обещает революцию в мобильном и встраиваемом