Все материалы по теме в хронологическом порядке.
Руководитель ИИ-проектов Игорь Зуриев рассказал, как выбирать LLM для рабочих задач. Он предлагает оценивать модели не по бенчмаркам, а по трём критериям: результат, объём ручных правок и проверяемость.
OpenAI GPT-6 Astra достигла 80% точности в Furniture Assembly Benchmark от Epoch AI, определяя ошибки сборки мебели IKEA по фотографиям. В ноябре 2025 года лучший результат составлял 28%.
Два криптоаналитика расшифровали давно нерешённые сообщения Enigma с помощью LLM от OpenAI и Anthropic. Решения уже проверил архивист Crypto Cellar Фроде Вейеруд.
xAI выпустила Grok 4.7 — модель с контекстом 500 тыс. токенов и ценой $2/$6 за миллион. На Terminal-Bench она набирает 38% в своей обвязке Grok Build, но лишь 26% на независимом прогоне Artificial Analysis.
Anthropic ввела ограничения для флагманской модели Claude Opus 5.5: при запросах, связанных с разработкой передовых языковых моделей, система автоматически переключается на менее способную Opus 5. Аналогичные предохранители появились для биологических запросов двойного назначения.
OpenAI расширила семейство GPT-6 моделями Sol и Luna. Они вдвое дешевле версий на базе GPT-5.6, точнее передают факты и уже доступны в ChatGPT Work, Codex и через API.
