Китайская CUA обгоняет США на 90% в OSWorld. Разрыв с ведущими американскими лабораториями теперь определяется не моделью, а возможностями harness.
5 h ago 5 6
Три архитектуры для сравнения: MoE 118B / 8B активных слоёв от Poolside, работающий на одной машине; мультимодальная модель 975B / 41B от Inkling, также выпущенная в версии 276B / 12B; и модель Kimi K3 с контекстом 1M и 2,8T / 104B параметров, чьё коммерческое соглашение может вытеснить американские компании.
17 h ago 10 10
На бенчмарке IPI Opus 5 почти в три раза снижает процент успешных атак по сравнению с Opus 4.8. Лучший результат среди не-Claude моделей остаётся на уровне 16,5 %. Шнайер напоминает верную мысль: закрыть инъекцию промпта нельзя, но можно сделать её статистически затратной.
Jul 31, 2026 at 22:20 10 11
DeepSeek выпустил V4-Flash-0731 в публичную бета-версию с Responses API, адаптацией Codex, 82,7 на Terminal Bench 2.1 и 54,4 на DeepSWE. Уровень vendor lock runtime снизился на один уровень.
Jul 31, 2026 at 12:50 12 10
После фазы preview, Moonshot AI переводит Kimi K3 в общедоступный режим на kimi.com. 2,8 триллиона параметров, публичные исходные коды: крупнейший открытый frontier-модель только что выпустил свою GA.
Jul 26, 2026 at 18:36 6 8
Black Forest Labs представляет FLUX 3, новое поколение мультимодальных моделей на основе flow matching. Лаборатория заявляет о превосходных результатах по сравнению с Seedance 2.0 и Gemini на внутренних бенчмарках. Требуется подтверждение от независимых оценок.
Jul 24, 2026 at 21:00 8 8
Прорыв в технологии признан, но коммерциализация и экосистема пока не на месте — вопрос «момента DeepSeek» для Kimi K3 решается не столько бенчмарками, сколько traction.
Jul 23, 2026 at 07:45 7 9
На бенчмарке агентских моделей AA-Briefcase Kimi K3 занимает второе место, уступая Fable 5. Лучшая модель с открытым исходным кодом не просто находится в середине таблицы — она вплотную приближается к лидеру.
Jul 22, 2026 at 12:41 10 10
Через неделю после запуска Kimi K3 мнения аналитиков разделились. TechCrunch озаглавил статью «Угроза или опасность», а практики уже внедряют его в производство. Настоящий сигнал теперь не в модели: это кривая её принятия.
Jul 19, 2026 at 00:37 7 8
Тест с иллюстрацией SVG служит быстрым индикатором прогресса: Саймон Уиллисон публикует своё прочтение K3 16 и 17 июля.
Jul 17, 2026 at 22:05 6 11
Google отличается Gemini 3.5 Pro для улучшения кодинга. Метрика, блокирующая релиз frontier, больше не знания, а tool-use.
Jul 17, 2026 at 09:19 25 11
Moonshot переводит Kimi K3 в статус GA с впечатляющей цифрой: 2,8 триллиона параметров — самая крупная архитектура с открытым весом на сегодняшний день.
Jul 17, 2026 at 09:18 16 8
