Одно из наиболее результативных направлений разработки моделей генеративного ИИ является проектирование специализированных моделей , ориентированных на какую либо единственную проблему, в отличии от "пути AGI". Ниже - о еще одной такой модели, нацеленной на медицинское прогнозирование.
Вот описание словами коллеги по цеху.

Delphi-2M - это новая генеративная модель ИИ, которая умеет строить персональные прогнозы здоровья по более чем тысяче заболеваний на десятки лет вперед.

Она уже протестирована в реальности: сначала обучена на сотнях тысяч записей из UK Biobank, а потом проверена на почти 2 миллионах датских пациентов.

Самое интересное, что точность при переносе между системами здравоохранения не упала - для горизонта в 10 лет она в среднем 0,76, а для 20 лет - 0,70. Особенно хорошо модель предсказывает долгосрочные риски вроде сердечно-сосудистых заболеваний и деменции.

Мне нравится, как элегантно устроен ее подход: каждый диагноз в истории пациента трактуется как «слово» в предложении. ИИ учит «грамматику болезней», то есть закономерности их появления. Как только в медкарте появляется новый факт, например, свежий анализ крови или другой диагноз, - прогноз обновляется.

Применений у этого много. С одной стороны, индивидуальные советы пациенту: на что обратить внимание, какие привычки стоит менять, чтобы снизить риски. С другой стороны, большие сценарные прогнозы для здравоохранения в целом.

Например, можно смоделировать вариант: что будет с продолжительностью жизни населения, если снизить заболеваемость раком или инфарктами. Плюс больницы и клиники получают инструмент для планирования ресурсов на годы вперед, а не «тушения пожаров» в моменте.

Разработчики заложили в модель этические механизмы. Ее можно обучать даже на синтетических данных, чтобы сохранить приватность, и она объяснима для врачей - видно, какие именно факторы легли в основу предсказания. То есть это не «черный ящик», а инструмент, с которым реально можно работать в клинике.

И если раньше ИИ в медицине воспринимался как что-то вспомогательное, вроде калькулятора для отдельных задач, то сейчас мы приближаемся к новой роли - полноценного партнера, который умеет собирать всю картину и смотреть далеко вперед.

Сергей Булаев AI 🤖 - об AI и не только

https://zml.ai/

Весьма любопытный сервис. Кто реально попробует очень прошу прокомментировать. И , кстати , написан на необычном языке.

Сегодня впечатляющий набор обновлений от Anthropic:

Anthropic выпустила Claude Sonnet 4.5, заявив лучший уровень по кодированию (SWE Bench), использованию компьютера и рассуждению/математике. Модель демонстрирует возможность распараллеливать и эффективно решать сложные многоэтапные задачи, сохранять концентрацию при работе над задачей более 30 часов.

Новая версия Claude Code получила чекпоинты (сохранение прогресса и мгновенный откат), официальное расширение для VS Code, обновленный SDK с поддержкой сабагентов и хуков и улучшенный терминал. Теперь можно безопасно (по мнению Anthropic) поручать ему более сложные и длительные задачи — от рефакторинга до автономной разработки с фоновыми процессами.

Anthropic добавила в Claude Developer Platform новые инструменты управления контекстом: context editing и memory tool. Они позволяют агентам автоматически очищать устаревшие данные и сохранять важную информацию во внешней памяти, чтобы работать дольше и точнее без потери прогресса.

Успели уже что-нибудь попробовать?

Anthropic пару месяцев назад выпустили Claude Code Security Reviewer - бот-ревьюер, который ищет уязвимости в GitHub-репо и советует, что починить. Теперь Google DeepMind ответил своим CodeMender — агентом, который не советует, а сразу лезет чинить код сам: патчит, тестит, откатывает, и т.д. Пока что оба под присмотром людей. Гугл заявляет, что в процессе разработки за полгода CodeMender уже внёс 72 security-фикса в open source-проекты, включая те, где кода под 4,5 миллиона строк.

Пост в блоге кодинг агента Cline о том, что открытые модели стремительно догоняют закрытые в области агентов редактирования кода. Новая модель GLM-4.6 ( от Zhipu / Z.ai одной из китайских компаний-«ИИ-тигров»)
показала 94.9% успеха в тестах Cline против 96.2% у Claude 4.5, при этом стоит в 8 раз дешевле (или open source, если есть где развернуть).

PS: на картинке кажется перепутали Sonnet 4 и 4.5

Еще одни создатели кодинг-агента Augment Code сравнили Sonnet 4.0 и 4.5 — и... 4.5 оказался быстрее и качественнее. Кто бы мог подумать. Их результаты такие:

Приложение с нуля:
- 4.5: 20 мин, работающие приложение.
- 4.0: 40+ мин, качество хуже.

Простое изменение кода:
- 4.5: 3 вызова, корректный апдейт.
- 4.0: более длинная цепочка, такой же результат.

Сложный рефакторинг:
- 4.5: быстрее + тесты пройдены.
- 4.0: медленнее + тесты завалены.