✔️ Anthropic запустила в Claude Enterprise умные отчёты

Функция показывает, как команды пользуются ИИ, что получают и во сколько это обходится.

Работают они на платных тарифах Claude Enterprise, собирают данные из чатов, Claude Code и Cowork за период до 28 дней, разбирают транскрипты диалогов и группируют сессии по проектам и типам созданного, будь то код или документация.

Кроме графиков и управления лимитами затрат они находят заторы в работе, подсвечивают сессии без результата и выдают списки запросов, отнесённых к личным или посторонним.

По статистике можно задавать вопросы и получать рекомендации. Организациям дают 10 бесплатных отчётов в месяц, сверх лимита генерация платная.
claude.com

✔️ Китайские модели выросли на дистилляции из GPT-6 Astra

По данным The Information, рост обновлённой DeepSeek V4.1-Flash-1017 и Kimi K3.1 Pro напрямую связан с GPT-6 Astra, обе компании учили свои системы на массивах ответов этой модели OpenAI.

В бенчмарке Browser Use на автономное выполнение веб-задач оценка DeepSeek подросла с 70,9 до 75,0 балла при 77,9 у самой Astra.

Прежде главным донором знаний был Claude, но после того как Anthropic усилила безопасность и извлекать скрытые цепочки рассуждений стало сложнее, лаборатории переключились на Astra.

Создатели DeepSeek собирались обойтись без дистилляции в четвёртом поколении, но сменили стратегию под давлением рынка, увидев прогресс местных конкурентов с GLM.
theinformation.com

✔️ Amp представила облачные Mac-окружения

Переносить среды на Mac целиком не стали из-за медленного запуска Docker и дорогого хранения, схема смешанная. Основная часть, сервер разработки и инструменты сборки остались в Linux-контейнерах, а когда агенту нужны Xcode или симуляторы iPhone, за полминуты поднимается чистый Mac в облаке.

Код синхронизируется между Linux и macOS, тяжёлые процессы делятся между машинами, агент сам собирает проект, проверяет вёрстку на разных устройствах и работает с интерфейсом.

Ради экономии облачный Mac живёт ровно 20 минут после задачи, чтобы сохранить кэш сборки, потом удаляется.

Сервис в бете с листом ожидания, аренда начинается от 2 долларов в час.
ampcode.com

✔️ Mistral AI открыла доступ к Responses API

Интерфейс позволяет собирать автономные системы на чат-моделях Mistral и разбирать каждое их действие, так как возвращает итоговый ответ, цепочку рассуждений и вызовы функций отдельно, и видно, какой шаг запустил операцию.

Формат взят от OpenAI, поэтому интеграции переносятся почти без правок, но историю диалога по-прежнему ведёт клиент и весь контекст приходится отправлять заново при каждом запросе.

Поддерживаются потоковая генерация, вывод в JSON, свои функции и мультимодальные промпты с текстом, изображениями и документами, а работает интерфейс со всеми актуальными моделями, включая Mistral Large 4.

Заодно компания расширила облако в ЕС и США, добавив DeepSeek V4.1 Flash и GLM 5.3 Flash.
MistralAI в X

✔️ ElevenLabs выпустила модель посимвольной синхронизации аудио и текста

Cue обрабатывает запись любой длины без разбивки на фрагменты, из-за которой у существующих инструментов принудительного выравнивания накапливаются ошибки тайминга.

Единая архитектура держит больше 90 языков и, по замерам ElevenLabs, обходит открытые аналоги вроде Qwen3-ForcedAligner.

Cue работает посимвольно и держит точность при шуме, наложении голосов и на песнях, где слова растягивает вокал, а для сложных англоязычных записей средняя погрешность тайминга 57 миллисекунд.

Алгоритм встроен в конвейер транскрибации ElevenLabs Scribe и открыт сторонним проектам через Forced Alignment API.
elevenlabs.io

@ai_machinelearning_big_data

#news #ai #ml

📌Кейноут Android Dev Summit 2026

Сквозная линия всей конференции - агенты: им открыли инструментарий среды разработки, устройства из лаборатории Google и функции сторонних приложений.

🟡Агенты в Android Studio

Android Studio Rabbit 2 вышла в стабильном канале с режимом Bring Your Own Agent: подключить можно любой из более сорока агентов с поддержкой открытого протокола ACP, в том числе Claude Agent, Codex и Antigravity.

Агент получает структуру проекта, данные о сборке, разрешение символов, отрисовку Compose Preview, эмулятор и Logcat.

В стабильную версию попал агентный разбор правок Change Review, который находит проблемы в незакоммиченных изменениях и может сам их починить.

🟡Android CLI и плагины

Android CLI работает в любом терминале и в CI. Команда android device remote выдаёт настоящий телефон из лаборатории устройств Google и подключает его как локальный по adb, android preview рисует предпросмотр интерфейсов на Compose без эмулятора и сборки APK. Остальное закрывает профилирование, отчёты о падениях из продакшена, анализ сборок логикой Google Play и поиск по базе знаний.

По внутренним замерам Google, на задачах по интерфейсу агенты с android preview справляются на 77% быстрее и тратят до трёх раз меньше токенов.

Плагин для Antigravity обновили, а для Claude Code и Codex официальные плагины выпустили впервые.

Вместе с ними выложено больше тридцати навыков по двум десяткам тем, от безопасности разрешений до политик Google Play.

🟡Память и производительность

Команда android profiler leakcanary разбирает дамп памяти на компьютере вместо устройства, поэтому приложение не тормозит во время анализа.

По замерам Google, сильнейшие модели проходят этот сценарий почти вдвое быстрее и расходуют до 25% меньше токенов, чем без Android CLI.

Цифра приведена для Claude Opus 5.5, сама подкоманда пока обещана.

🟡Android Bench 2.0

Лидерборд для моделей и агентных окружений на длинных реальных задачах Android. Задачи рассчитаны на дни работы инженера, а решения оценивают ещё и по стоимости и затраченному времени.

🟡Агентные возможности внутри приложений

AppFunctions, единый слой вызова функций в Android, переведён в бету: разработчик описывает возможности приложения, а системный или собственный агент вызывает их напрямую, не открывая экраны.

Наружу это выставляется через Android MCP. Альфа A2UI для Jetpack Compose даёт агенту отвечать живым интерфейсом, собранным из компонентов самого приложения, вместо тонны текста, а агентный API в ML Kit на Gemini Nano 4, тоже в альфе, сам вызывает функции, хранит историю разговора и ставит ограничители.

🟡Connected Apps Platform

Платформа для выхода приложений в Gemini и поиск открыта в предпросмотре.

Интеграция идёт через Android MCP или удалённый MCP-сервер на тех же API AppFunctions, регистрация и тесты - в консоли Google Connected Console.

Сейчас в поиске и Gemini больше пятидесяти подключённых приложений, среди партнёров Adobe, Calm, Peloton, Experian и Localiza.

@ai_machinelearning_big_data

#news #ai #ml

📌 Fern 0.16: анонс модели с контекстом 10 млн токенов

Стартап Mirendil, который основали ушедшие из Anthropic исследователи Бехнам Нейшабур и Харш Мехта, рассказал о своей первой модели Fern 0.1, которая умещает в контекст до 10 млн токенов, то есть примерно 23 МБ кода или около полумиллиона строк.

Разработка рассчитана на тех, кто сам обучает ИИ. Компания предлагает скармливать ей целиком логи обучения, записи работы агентов за несколько дней и куски обучающих данных для проверки на мусор и дубликаты.

В предсказании следующего фрагмента кода Fern улучшается по мере чтения репозитория, и из всех моделей, с которыми её сравнивали в Mirendil, только она дотягивает до 10 млн токенов, остальные измерены примерно до 1 млн.

При этом на одинаковой длине в 1 млн токенов Kimi-K3 и Beam предсказывают точнее неё, хотя обе уже дообучены, а Mirendil сравнивает с ними свою базовую модель и сама отмечает, что дообучение этот показатель обычно слегка ухудшает.

🟡Тесты

В агентных задачах всё ещё печальнее – на Terminal Bench 4.0 Fern 0.1 набрала 6,1% (у Claude Opus 5.5 там 66,4%, у GPT-6 Astra 57,9%, у GLM-5.3 - 41,9%).

На DeepSWE v1.1 и SWE-bench Verified картина та же, от передовых моделей Fern отстаёт вдвое и на четверть соответственно, хотя кое-кого из открытых обходит.

Лучший её показатель, 76,5% на SWE-Bench Pro v2-Hard, повторяет результат Beam и остаётся ниже передовых.

Mirendil объясняет это тем, что Fern 0.1 это базовая модель после короткого цикла обучения, а новые версии будут выходить часто.

Про количество параметров у Fern 0.1 размыто заявлено от 100 до 500 млрд. Ещё две модели Mirendil уже обучает, одна на 500 млрд – 2 трлн параметров, другая на 2–10 трлн.

Доступ к ранней версии Fern можно запросить через контакт со стартапом.


@ai_machinelearning_big_data

#news #ai #ml

⚡️ Названия тарифов Claude поменялись

Anthropic упростил нейминг старших подписок - тариф Max 5x теперь называется просто Max, а план Max 20x переименован в Ultra.

Стоимость остается прежней, $100 и $200 в месяц соответственно.

Вместе с переименованием отменили 5-часовое ограничения на использование моделей для верифицированных владельцев аккаунтов Ultra.

Большинство текущих подписчиков этого плана уже переведены на новые условия.

Для новых пользователей временный лимит пока сохраняется, это объясняют защитой платформы от злоупотреблений.

Как только профиль пройдет проверку, система пришлет email-уведомление о снятии ограничений.

Общие недельные лимиты остаются в силе для всех тарифов без изменений.


@ai_machinelearning_big_data

#news #ai #ml

✔️ OpenAI обновила спецификацию поведения моделей

Логика работы GPT опирается теперь на пять ценностей – верность намерениям человека, снижение вреда, честность, поддержку самостоятельности и внимание к контексту.

Там, где явных правил нет, модель должна взвешивать долгосрочные интересы пользователя и последствия своих действий.

В документе появилась цепочка инстанций, по которой модель разрешает конфликты между ограничениями OpenAI, системными промптами и запросами пользователей.

Большинство жёстких стилистических шаблонов компания убрала, тон ответов модель подбирает по истории диалогов и памяти.

В документации термин ассистент заменён на GPT.
openai.com

✔️ Anthropic увеличила максимальный размер запросов к API Claude в четыре раза

Новые лимиты действуют в интерфейсах Messages и Token Counting и рассчитаны на тех, кто передаёт в модель объёмные PDF-документы, графику или крупные вычисления, запас по размеру нагрузки снижает риск отклонения.

Заодно компания смягчила ограничения на обработку картинок пачками, в промпте больше 20 изображений предельное разрешение каждого выросло с 2000 до 3000 пикселей.

При доступе к Claude через сторонние облачные сервисы запросы по-прежнему могут блокироваться собственными ограничениями провайдеров.
claude.com

✔️ В каталоге расширений Cursor нашли вредоносный клон Claude Code

Поддельный плагин выдавал себя за официальный инструмент Anthropic и пробыл в доступе около 11 часов, по оценке Cursor его успели установить до 5000 пользователей.

Исследователи из OpenSourceMalware выяснили, что в начало обычного плагина добавили 66 строк вредоносного кода, он исполнялся сразу после загрузки редактора. Скрипт собирал имя компьютера, адрес почты, IP-адрес, добавлял ключ атакующего в список авторизации SSH и пытался поднять обратный туннель.

Служба SSH требовала прав администратора, которые плагину в macOS и Windows обычно не выдают, но кража данных и внедрение ключей во многих случаях удались.

Cursor подделку удалил, маркетплейс временно закрыл и помогает блокировать серверы злоумышленников. Удалить плагин недостаточно, бэкдор продолжит работать в фоне, пострадавшим нужно проверить файлы авторизации на запись svc-telemetry и выполнить официальный скрипт очистки.
cursor.com

✔️ Google добавила в Gemini Notebook больше 700 бесплатных учебников

Обновление вышло в рамках инициативы Expert Intelligence и открывает литературу OpenStax, Open Textbook Library и S Chand Publishing.

Gemini отвечает строго по выбранному материалу, а выжимки и объяснения снабжает цитатами и ссылками на страницы источника. Сервис превращает объёмные тексты в конспекты, тесты, карточки и карты знаний, переводит их в аудиодискуссию или видеоролик.

Библиотека доступна в веб-интерфейсе Gemini Notebook, в меню источников нужна категория Textbooks.
blog.google

✔️ Neuralink встроила в нейроимплант агента Grok

Пользователю достаточно подумать фразу «Эй, Neuralink» и мысленно сформулировать задачу, после чего Grok берёт управление операционной системой и выполняет действия сам. Обновление проверили в 72-часовой сессии дома у пациента с боковым амиотрофическим склерозом.

Вместе с агентом разработчики сделали распознавание речевых намерений и прямую связь с iPhone, так парализованный человек теперь может силой мысли звонить близким или заказывать еду, передавая сигналы мозга в синтезатор речи телефона.

Neuralink отчиталась и о клинических испытаниях базовой связи, в первую неделю пациент набирал 75 английских слов в минуту при доле ошибок по словам в 5,8%. 
Neuralink в X

@ai_machinelearning_big_data

#news #ai #ml

✔️ Pika Labs представил высокоскоростную версию MiniMax H3

H3 Flex - открытая модель для генерации видео, которая сокращает рендеринг с 50 до 6 шагов. Архитектура дообучена на базе MiniMax H3 с применением метода обучения на базе предпочтений.

На DiT-денойзинг 15-секундного ролика в 768p уходит 7 секунд. По данным Pika, H3 Flex работает в 1,8 раза быстрее и обходится на 80% дешевле версии H3 Max.

Модель экспортирует пять независимых аудиодорожек (диалоги, саундтрек, спецэффекты, шумы, эмбиент) и принимает до 12 референсов, включая скетчи, аудиосэмплы и мудборды.

Поддерживается генерация черновиков, точечное редактирование персонажей или движений камеры, а также апскейл до 4K.

H3 Flex заняла восьмое место в общем рейтинге видеомоделей DesignArena.

Код инференса и веса модели опубликованы в открытом доступе, плюс запущен API.

Стоимость генерации начинается от 1 цента за секунду в режиме Text-to-Video до 3 центов при генерации видео по референесу.

Интеграция в платформу Pika.art запланирована на 2 ноября.


@ai_machinelearning_big_data

#news #ai #ml

Осенний Avito ML Cup: ранжирование ленты рекомендаций и призовой фонд 1,5 млн ₽ 😱

В этот раз задача про ранжирование, а призовой фонд вырос вдвое. Решать можно самостоятельно или в команде до четырёх человек.

Какую задачу решаем. Для каждой рекомендательной ленты Авито уже отобраны кандидаты. Изучите историю пользователя и признаки объявлений, а потом расставьте кандидатов так, чтобы выше оказались те, с которыми человек совершит целевое действие.

Как участвовать. Регистрируйтесь на сайте ODS до 8 декабря. Чем раньше начнёте, тем больше решений успеете отправить: в день доступно пять попыток.

Соревнование завершится 9 декабря.

Зарегистрироваться и решить задачу

✔️ RTX 5080 пропал из официального магазина NVIDIA

Вслед за флагманской RTX 5090 из каталога маркетплейса NVIDIA в США пропала видеокарта RTX 5080.

Оригинальная модель с 16 ГБ больше не отображается в фильтрах поиска, хотя на сайте по-прежнему указана ее стартовая цена в $999.

Фактически же купить ускоритель за эти деньги было крайне сложно - у крупных ритейлеров минимальный прайс давно зафиксировался на уровне $2000.

Снятие устройства с продажи связывают с планами компании по обновлению линейки.

По данным источников, производитель уже отгрузил вендорам последние запасы 16-гигабайтных чипов, которых должно хватить примерно на пару месяцев розничных продаж, и теперь готовится к релизу RTX 5080 с 24 ГБ видеопамяти.

Ожидается, что новая версия поступит на рынок на рубеже 2026 и 2027 годов.

Сама NVIDIA пока не дает официальных комментариев относительно доступности видеокарт и завышения цен на всю пятидесятую серию.

@ai_machinelearning_big_data

#news #ai #ml

⚡️ Google и XREAL представили XR-очки AURA

Устройство проецирует цифровые интерфейсы поверх реального мира благодаря прозрачным дисплеям с широким углом обзора в 70 градусов.

Новинка позиционируется как портативная замена физическим мониторам - интерфейс дает возможность запускать несколько окон одновременно и подключать Bluetooth-периферию.

Аккумулятор и всю вычислительную логику вынесли во внешний портативный модуль, подключаемый по кабелю, который работает на базе новой аппаратной архитектуры Snapdragon Reality Elite от Qualcomm.

Внутри устройства - ожидаемо ассистент Gemini. Он непрерывно анализирует обстановку вокруг пользователя и контент на виртуальных экранах, позволяя гибко управлять рабочими процессами с помощью контекстных запросов.

Функция Wired Mirroring позволяет напрямую подсоединить ноутбук по кабелю USB-C и транслировать его рабочий стол в приватное виртуальное пространство без установки дополнительных драйверов.

Помимо рабочих задач, очки подойдут для гейминга и потребления медиа, 3D-фильмов и пространственных галерей.

ОС Android XR открывает доступ к классическому каталогу Google Play и более чем 150 эксклюзивным XR-приложениям.

Стартовая цена устройства в конфигурации 12 Гб оперативной памяти и 256Гб постоянной составляет 1099 долларов, максимальный комплект на 16/512Гб с игровым контроллером и клавиатурой - в 1477 долларов.

Первые поставки на рынки США, Канады, Японии и Южной Кореи начнутся в середине ноября.


@ai_machinelearning_big_data

#news #ai #ml

🐳 DeepSeek выложила исходники AI-агента, который сам берёт задачи из GitHub и пишет код

Проект называется dsh-superagent. Это экспериментальная система на базе DeepSeek Harness, рассчитанная на автоматизацию разработки в команде.

В отличие от обычных coding-ассистентов, агенту не обязательно каждый раз вручную передавать задачу в чат.

Что он умеет:

- Следит за событиями GitHub и сообщениями в Feishu.
- Принимает задачи от авторизованных участников команды.
- Создаёт отдельную рабочую сессию для каждой задачи.
- Самостоятельно работает с кодом и готовит Pull Request.
- Возвращает результат в исходное обсуждение.
- Показывает в веб-панели задачи, требующие участия человека.

Архитектурный принцип - минимум внимания разработчика, максимум полезной автономной работы.

Агент действует по запросу или заранее заданным правилам и не отвлекает команду без необходимости.

Сам DeepSeek предупреждает, что это исследовательский прототип, а не готовое production-решение. Часть кода проекта тоже была написана AI-агентами.

Стек: TypeScript, DeepSeek Harness. Лицензия MIT.

https://github.com/deepseek-ai/dsh-superagent-prototype

@ai_machinelearning_big_data

#DeepSeek #ai #ml

📌 Андрей Карпатый за два часа собрал клон Youtube

Проект, получивший название HackerTube, стал ответом на деградацию рекомендательной системы оригинального видеохостинга, который предлагает однообразный контент с кликбейтными превью.

В основу легла база видеороликов, которую сделали модели Anthropic из архива комментариев на Hacker News с 2007 по 2026 год.

Sonnet отфильтровали спам и собрал 6454 ролика по 150 темам, которые советовали пользователи новостного агрегатора .

HackerTube работает без регистрации, сохраняет персональные рекомендации в локальной сессии браузера и принципиально игнорирует загруженные авторами превью, показывая вместо них кадр из видео.

Андрей пишет, что этот проект - отличный пример того, как изменилась разработка.

Он признался, что больше не пишет код вручную - всю работу над HackerTube он вёл через Claude Code, где задачи выполнил Opus 5.5, включая написание интерфейса, настройку безопасности и деплой.

Андрей лишь зарегал домен, запустил VPS и создал API-ключ от Google для загрузки метаданных.

@ai_machinelearning_big_data

#news #ai #ml

🌟 NVIDIA выпустила Nemotron 3.5 Bolt E4B

Спустя чуть больше недели после релиза, когда вместе с мультимодальной Nemotron 3.5 Super VL вышла её сжатая версия Bolt на 74 млрд параметров, NVIDIA, как и обещала, опубликовала веса совсем компактной модели для периферийных устройств.

Происхождение у новинки другое, чем у старшего Bolt. Если тот получился сжатием Super VL, то E4B собран на Gemma 4 E4B от Google, которую NVIDIA дообучила с подкреплением под следование инструкциям, многошаговый вызов инструментов и диалоги.

В модели 8 млрд параметров, из которых на токен работают 4 млрд, контекст 64 тысячи токенов, поддерживается 35 языков.

Квантование до 4 бит сжимает её примерно до 4 ГБ потребления памяти, рассуждения включаются и выключаются, а их длину можно ограничить ради скорости.

Рассчитана модель на видеокарты GeForce RTX, платы Jetson и мини-компьютеры Spark.

🟡Тесты

На RTX 5070 первый токен появляется через 548 мс, дальше идёт 133 токена в секунду.

На плате Jetson Orin Nano те же замеры дают 5,8 секунды до первого токена и 15,5 токена в секунду, так что обещанная отзывчивость сильно зависит от железа.

По замерам NVIDIA, Bolt E4B в среднем на 40% лучше предыдущей Nemotron 3 Nano 4B и тратит до 80% меньше токенов на ответ.

Модель обходит родительскую Gemma 4 E4B почти везде, но Qwen3.5 4B остаётся сильнее в работе с инструментами, 61,7 против 52,3 на Tau2-Bench, и в длинном контексте, 95,4 против 85,8 на RULER.

Вместе с весами в BF16 и GGUF, опубликованы отдельные вспомогательные модели-черновики по методу DFlash, которые предлагают сразу несколько следующих токенов, а основная модель их проверяет, что по словам NVIDIA даёт до 21% прироста скорости.

Поддержку уже завезли в llama.cpp, Ollama, LM Studio, vLLM и SGLang.

📌Лицензирование: ОpenMDW 1.1


🟡Блогпост
🟡Веса
🟡Техотчет


@ai_machinelearning_big_data

#AI #ML #SLM #Nemotron #Bolt #NVIDIA

Можешь описать словами идею для сайта или веб-приложения? Значит, можешь его создать

Идею можно игнорировать годами, а можно просто рассказать о ней ИИ. За один промпт Поехали соберёт сайт, лендинг или веб-приложение, а ты посмотришь и скажешь, что поменять.

Дизайн, база, хостинг и SEO уже внутри. Работает на русском, без VPN и разработчика.

🌸 Попробуй бесплатно c промокодом [ML50] → poehali.dev

📌 RWE-bench: бенчмарк на решение инженерных задач

Стартап Xplore собрал набор из 20 задач по механике, электронике и авиационной технике, где модель должна выдать работающую конструкцию.

Каждую задачу составил инженер команды, специалист в своей области, и к каждой приложено образцовое решение, удовлетворяющее всем требованиям.

Задачи устроены так, что в них приходится увязывать несовместимое.

В одной нужно спроектировать в системе автоматизированного проектирования цельный стальной коленчатый вал для трёхцилиндрового дизеля с масляными каналами, уложившись в пределы по напряжениям, жёсткости и нагрузке на подшипники при полной нагрузке на 2400 оборотах и выдержав миллионы циклов до усталостного разрушения.

В другой требуется развести на восьмислойной плате 32-разрядную шину памяти DDR3L от процессора Zynq-7000 к двум микросхемам, т. е. 71 цепь от корпуса с 484 выводами при почти 300 установленных компонентах, не выходя за допуски по рассинхронизации сигналов и сопротивлению.

В третьей надо построить расчётную сетку и досчитать до сходимости обтекание лопатки турбины, чтобы выдать коэффициент теплоотдачи по поверхности и общий тепловой поток.

Проверяемая модель работает в своей обычной обвязке на максимальном уровне рассуждений и получает песочницу с инженерными инструментами, среди которых CadQuery, Gmsh, CalculiX и Python.

Перед сдачей она может сама проверить результат. Готовую работу принимает специальная программа, которую Xplore не раскрывает.

Она пересчитывает каждое требование и для этого запускает физические решатели, а ошибка хотя бы по одному пункту означает незачёт. Человек и модель-судья в проверке не участвуют.

🟡Тесты

Лучший средний результат у GPT-6 Astra, 37%, за ней - Claude Opus 5.5 с 29% и GPT-6.1 Sol с 25%.

У Gemini 4 Argon 12%, у Claude Fable 5.1 7%, у Kimi K3.1 Pro 1%, а пять моделей не решили ни одной задачи, это DeepSeek V4.1 Flash, Qwen3.8 Max, GLM-5.3, Muse и Grok 4.7.

Sol обходится в 10,28 доллара, Astra стоит 58,83, а Opus 5.5 - 57,52. Самой дорогой оказалась Fable 5.1, 97,57 доллара за попытку при 7% решённых задач.

Дешевле всех работает DeepSeek V4.1 Flash, 1,03 доллара, но без единой решённой задачи.

Xplore продаёт тренировочные среды на основе этих задач отдельной услугой, а сами задачи никогда не передаются для обучения моделей.

Отдать модель на проверку можно только по договорённости с командой, и результат попадает в таблицу лишь с согласия заказчика.

Выкладывать тесты в открытый доступ стартап не обещает, а в планах у неё более сложные задания и новые области, биомеханика, строительство и материаловедение.

Похожий тест с инженерными задачами есть у коллектива китайских университетов во главе с Университетом Цинхуа.

Их EngiWorld открыт - выложены код, данные задач и статья с методикой.

@ai_machinelearning_big_data

#news #ai #ml