Статьи по тегу

24 июля 2026, 20:23

Anthropic выпустили Claude Opus 5: почти Fable 5 за половину цены

Anthropic выпустили Claude Opus 5. Компания позиционирует её как новую основную схема для программирования, длительной работы AI-агентов и профессиональных задач. По заявлению Anthropic, Opus 5 прибли

30 июня 2026, 21:12

Claude Sonnet 5: Anthropic обновили главную рабочую лошадку

Anthropic выпустили Claude Sonnet 5. Главный тезис: модель класса Sonnet в начальный раз вплотную приближается к Opus 4.8 на агентных задачах — и одновременно стоит в 1,5-2 раза дешевле. Ознакомиться

25 июня 2026, 20:56

63% решений Opus 4.8 Max на SWE-bench Pro оказались списаны

Cursor опубликовал исследование про reward hacking: AI-агенты обходят кодовые бенчмарки, находя готовый ответ вместо того, чтобы решить задачу самостоятельно. Чтобы измерить масштаб проблемы, Cursor п

11 июня 2026, 12:00

Xiaomi выпустили MiMo Code — своего coding-агента

Вслед за Kimi ещё одна китайская компания обзавелась своим агентом. Основной упор в релизной статье китайцы делают на Max Mode: на каждом шаге агент генерирует 5 параллельных планов действий, а модель

1 июня 2026, 09:01

MiniMax M3 обошла GPT-5.5 на SWE-Bench Pro и выйдет с открытыми весами

MiniMax M3 вышла сегодня — это мощная языковая модель, которая одновременно предлагает frontier-уровень в кодировании и агентных задачах, контекст до 1 миллиона токенов и нативную мультимодальность (и

27 мая 2026, 13:49

Свежий тест производительности DeepSWE: GPT-5.5 — 70%, Opus 4.7 — 54%

Новый тест производительности DeepSWE показал, что GPT-5.5 решает 70% задач по разработке ПО, тогда как Claude Opus 4.7 — 54%. На SWE-Bench Pro картина была ровно обратной: там Opus 4.7 занимал первое

21 мая 2026, 19:12

Выпуск Qwen3.7-Max: лучше Claude Opus 4.6 на SWE-bench Pro

Alibaba выпустила Qwen3.7-Max — закрытую флагманскую модель для долгоживущих агентов. В тестах: 35 часов автономной работы, 1158 вызовов инструментов, 10x ускорение CUDA-ядра. На SWE-bench Pro — 60.6,

13 мая 2026, 17:17

В Kodacode добавили Claude Opus 4.7

Передовая модель от Anthropic стала заметным шагом вперёд в программировании: в тестах на реальных задачах Cursor зафиксировал рост с 58% до 70%, CodeRabbit отметил улучшение recall на 10% при стабиль

6 мая 2026, 11:21

SubQ: первая LLM с контекстом в 12 млн токенов

Организация Subquadratic выпустила схема SubQ 1M-Preview — первую, по их словам, LLM на целиком субквадратичной архитектуре. Речь про SSA (Subquadratic Sparse Attention): вместо того чтобы сравнивать