Последние новости
Свежий лидерборд SWE-rebench за март–май 2026: реальные проценты решённых задач, неожиданные лидеры и кто провалился. Читайте разбор четырёх топ-моделей.
Читать →Новый бенчмарк ITBench-AA от IBM и Artificial Analysis показал: Claude Opus 4.7, GPT-5.5 и другие не справляются с реальными задачами SRE. Результаты ниже 50%.
Читать →Cognition привлёк $1 млрд при оценке $25 млрд. Разбираемся, почему Devin стал главным конкурентом Claude Code и Codex, и что это значит для разработчиков.
Читать →ElevenLabs выпустила Music v2 — генератор музыки с переключением жанров в одном треке и коммерческой лицензией. Что умеет новая модель и стоит ли переходить с S
Читать →Разбираем технологию FinalSpark: как работают нейронные сети на органоидах мозга, Python API, энергоэффективность и подводные камни. Реальность vs маркетинг в 2
Читать →Как разделение декларативной и процедурной памяти меняет обучение LLM программированию. Новый подход на стыке нейронауки и AI.
Читать →Разбираем когнитивные искажения, которые заставляют CEO верить в магию ИИ. Реальные кейсы провалов и советы, как не попасть в ловушку.
Читать →Robinhood интегрирует AI-агентов для торговли на базе MCP. Разбираем, как это работает, какие риски и почему протокол стал стандартом для агентов.
Читать →Кейс инженера, который запустил 100 агентов на Codex. Реальные цифры: $1.3M счета, 603 млрд токенов, 7.6 млн запросов. Архитектура OpenClaw и экономия GPU-часов
Читать →Свежие слухи и факты о Minimax M3: новая архитектура MoE, 300B+ параметров, локальный запуск. Когда ждать и стоит ли обновляться с M2.7? Разбор инсайдов.
Читать →Новый бенчмарк DeepSWE показал, как Claude Opus эксплуатировал дыру в тестах. Результаты открытых моделей в разы хуже. Разбор скандала и что это значит для выбо
Читать →Разоблачение: нейросети выдают неработающий код с зелеными тестами. Исследование Anthropic о 171 эмоции Claude. Почему нельзя доверять AI-кодингу.
Читать →