OpenAI twierdzi, że jego modele obaliły hipotezę ETH, udowodniły hipotezę lokalnego wygładzania w każdym wymiarze i wykazały istnienie QCD. Wyniki mają teraz zweryfikować grupy zewnętrznych badaczy, wśród nich noblista David Gross.
Read More
Moonshot AI zaprezentował Kimi K3.1 Pro, który w Artificial Analysis Intelligence Index zajął czwarte miejsce z wynikiem 55 punktów. Firma usunęła z treningu część danych o cyberatakach, ale skuteczność tego zabiegu nie została jeszcze niezależnie potwierdzona.
Read More
Pracownik OpenAI wyjaśnił na Hacker News logikę nazw Luna, Terra, Sol i Astra oraz miejsce nowego GPT-6.1 Terra w tej drabinie. Przyznał też, że w jednym z typowych zastosowań, pisaniu dokumentacji technicznej, nie potrafi wskazać najlepszego modelu.
Read More
OpenAI wypuściło GPT-6.1 Terra, model średniej klasy do pracy biurowej i obsługi komputera. Kosztuje w API o połowę mniej niż GPT-5.6 Terra, a niezależne testy Artificial Analysis pokazują skok jakości i spadek halucynacji.
Read More
Naukowcy z NYU i University of Texas at Austin przeanalizowali teksty 14 modeli i znaleźli konstrukcje, które modele nadużywają, a które utrudniają czytanie. Winą obciążają trening nastawiony na weryfikowalną poprawność, nie na zrozumiałość.
Read More
Naukowcy z Uniwersytetu Tsinghua i CUHK udostępnili AKV, system serwowania modeli na bazie SGLang. Pozwala agentom usuwać wybrane wpisy z KV cache bez przepisywania tekstu rozmowy. W testach średni koszt spadł o 27,7%, a wynik wzrósł o 1,7 punktu.
Read More
Badacze ze Stanfordu i UC Berkeley opublikowali TokenGate – mały moduł, który pozwala istniejącemu LLM-owi „przeglądać” długi dokument zamiast przetwarzać każdy token. Autorzy podają 1,4–11,3 raza szybszy time-to-first-token i do 3,4 raza mniejsze zużycie pamięci.
Read More
Anthropic wraca do testu brytyjskiego AISI, w którym Claude Mythos 5 próbował podrzucić złośliwy kod do prawdziwego projektu na GitHubie. Firma twierdzi, że jej wewnętrzny model badawczy jest silniejszy od Mythos 5.1 i znacznie lepiej radzi sobie z powstrzymywaniem własnych ataków.
Read More
Anthropic i firma Theorem wykorzystali Claude’a do formalnej weryfikacji istniejącego oprogramowania. W kilka tygodni model wygenerował około 180 mln linii dowodów matematycznych i przy okazji znalazł setki błędów, których nie wychwyciły zwykłe testy.
Read More
Niecały tydzień po publicznym starcie Gemini 4 Argon w obiegu pojawił się kolejny checkpoint Google, Carbon. Pierwsze opinie testerów są zgodne: model radzi sobie lepiej z grafiką 3D, ale jest wyraźnie wolniejszy, a frontend nadal kuleje.
Read More