哈萨克斯坦的小学生通过检查人工智能错误的项目在巴厘岛举行的一项著名比赛中成为最好的学生
来自阿拉木图的两名学童在巴厘岛举行的 IRCYS 2026 比赛中获得银牌。他们的 PlanLens 系统发现人工智能代理计划中的错误。
DigitalBusiness.kz
标签 / 实体•模型
#Claude 3.5
该标签下的全部报道、分析与快讯（30）
AI 安全护栏无法阻止犯罪黑客
全球黑客全力投入使用代理型 AI 发动攻击——并操纵像 Anthropic 的 Claude 这样的工具，以帮助他们实施犯罪。
Wired — Artificial Intelligence
ENALTK-Evolve: How learned memory tops the τ²-bench leaderboard on customer service tasks without a frontier model
A Blog post by IBM Research on Hugging Face
Hugging Face Blog
AM-Bench: 面向代理错位的统一分类学与评估套件
arXiv:2610.24264v1 通告类型：新 摘要：随着基于LLM的代理在现实环境中以日益增强的自主性被部署，出现了一种关键失效模式：代理错位，即代理选择有害行动而非失败。然而，现有的安全基准……
arXiv — cs.AI
SMNTCN (Semanticon) — глобальные новости ИИ
RUспособов получить доступ к Gemini 4 Argon без подписки Google AI Ultra.
6 способов получить доступ к Gemini 4 Argon без подписки Google AI Ultra. 1. Gemini Если у вас есть Google AI Pro, но Argon недоступна в Antigravity, перейдите на gemini.google.com. Модель 4 Argon можно выбрать прямо в веб-интерфейсе Gemini. 2. Google AI Studio — $10 в месяц…
Telegram — Вайб-кодинг
RUAI News: Claude Sonnet 5 Released. It's More Expensive Than Opus 4.8, OpenAI Will Give Trump 5% o...
Cloud Fable 5 is back with a subscription and API. And yes, I haven't laughed so hard in a long time. Anthropics are releasing Sanet 5, and it's the company's most shameful release. Open Air will give 5%of its shares to Trump. Life Layers Vreve, a new nanobana, and OpenSony from…
YouTube — ProdAdvice
AI 新闻：Dots、GPT-6.1 Sol、Sonnet 5.5、Gemini 4 以及您需要了解的一切
在 OpenAI 的开发日（我实际上参加了）、Enthropic 的新模型发布、Google 的新模型发布以及一些其他公告之间，又是忙碌的一周。是的，有很多话要谈。我已经不想再浪费你的时间了我们走吧…
YouTube — Matt Wolfe
RUHow to Build a Global AI Company and Create World-Class Products #Higgsfield #Mashrabov
[музыка] Добрый день, уважаемые участники, дорогие друзья. Добро пожаловать в Алматыхап. Очень радует, что площадка, несмотря пока ещё на свои небольшие масштаб штаб экосистемы города Алмааты. Алматы для нас - это самая, э, важная стратегическая локация. Это родина самых лучших…
YouTube — Astana Hub Official
Artificial Analysis 发布 AA-3D
🧩 Artificial Analysis 发布 AA-3D。模型接收文本简报，并需在离线沙箱中自行使用 three.js 构建交互式场景。测试包含七大类别共 55 项任务，涵盖建筑、车辆、生物体、游戏和太空等。每个任务模型……
Telegram — GPT Time | Нейросети | ИИ
Education🇰🇿 哈萨克斯坦专题：Unilight: как школьники из Казахстана строят ИИ-наставника для поступления в зарубежные университеты#Anthropic#Claude 3.51 分钟
Unilight：哈萨克斯坦小学生如何为国外大学招生打造人工智能导师
Unilight是一个为想要进入国外大学的学童提供的生态系统。其主打产品 Unilight Portfolio 要求学生填写一份调查问卷，并根据调查问卷，AI 导师制定录取路线图：做什么、适合哪些大学、哪些奥赛……
Bluescreen.kz
Research专题：ULTIMATE Claude Tutorial: How to Use Claude AI for Beginners in 2026#Anthropic#Claude 3.51 分钟
ENULTIMATE Claude Tutorial: How to Use Claude AI for Beginners in 2026
Бесплатная модель Claude теперь отстает от Opus всего на два балла в тесте, основанном на реальных рабочих задачах в 44 профессиях. В этом бенчмарке Sonnet 3.5 набирает 1844 балла, а Opus 3.5—1846, что примерно на 400 баллов выше, чем у Sonnet 3. Anthropic также заявляет, что…
YouTube — AI Master
RUОбновления Amazon Bedrock и AgentCore для разработчиков ИИ в сентябре 2026
Обновления Amazon Bedrock и AgentCore для разработчиков ИИ в сентябре 2026 года.
SMNTCN (Semanticon) — глобальные новости ИИ
RUСоздание контекстно-осведомленного ИИ-ассистента на AgentCore и OpenClaw
AWS Machine Learning показывает, как создать контекстно-осведомленного ИИ-ассистента.
SMNTCN (Semanticon) — глобальные новости ИИ
RUГлавное из мира ИИ за прошедшую неделю
🔥 Главное из мира ИИ за прошедшую неделю 💻Gemini 4 Argon — модель с генерацией ответов объёмом до миллиона токенов. 🌖GPT-6.1 Sol — обновление OpenAI с упором на код, документы и управление компьютером. 🔧Claude Sonnet 5.5 — новая модель Anthropic для кодинга и быстрых задач.…
Telegram — GPT Time | Нейросети | ИИ
RUНовости ИИ: Google В ДЕЛЕ – Gemini 4 Argon, Новые LLM от OpenAI и Anthropic
DevDay has passed: OpenAI, new Codex, updated Workspace, and of course, 24/7 bots and an agent with its own computer . Inside the OpenAI ecosystem, Anthropic releases the little brother, Claude 3.5. 30%faster, cheaper, and almost as smart. An unexpected frontier model release…
YouTube — ProdAdvice
RUClaude Sonnet 5.5 заняла третье место в Agent Arena – но оказалась дороже более мощной Opus 5.5
🤖 Claude Sonnet 5.5 заняла третье место в Agent Arena – но оказалась дороже более мощной Opus 5.5 Новая модель Anthropic получила +12,5% net improvement score, а медианная стоимость выполнения одной задачи составила $2,74. Для сравнения, Claude Opus 5.5 находится на втором…
Telegram — GPT Time | Нейросети | ИИ
RUGemini снова здесь: ночью вышел Gemini 4 Argon 🥳
Gemini снова здесь: ночью вышел Gemini 4 Argon 🥳 Он впервые занял первое место в Vals Index - рейтинге, который оценивает модели на реальных профессиональных задачах, — с результатом 68,9%. По количеству выполненных юридических задач он в 7 раз превосходит Claude Sonnet 5.5.…
Telegram — Вайб-кодинг
ENASTRA 6.1 too dangerous to be released...
Absolutely huge AI news today as we're getting ready for OpenAI's Dev Day. First and foremost, Anthropic releases Sonnet 5.5. So, Anthropic releases its second model in less than a week, and both of them are very different and noteworthy because each time they're just as good as…
YouTube — Wes Roth
RUClaude Sonnet 5.5 почти догнала флагманскую Opus 5.5 по уровню интеллекта — но для этого ей понадобилось рекордное...
📊 Claude Sonnet 5.5 почти догнала флагманскую Opus 5.5 по уровню интеллекта — но для этого ей понадобилось рекордное количество токенов В тестах Artificial Analysis новая Sonnet набрала 56 баллов в Intelligence Index — всего на два меньше Opus 5.5. По сравнению с Sonnet 5…
Telegram — GPT Time | Нейросети | ИИ
Claude Sonnet 5.5 официально вышла. 🏎
Claude Sonnet 5.5 официально вышла.
Telegram — Вайб-кодинг
RUClaude Sonnet 5.5 стала на 30% быстрее и приблизилась к флагманской Opus в сложных задачах
🔄 Claude Sonnet 5.5 стала на 30% быстрее и приблизилась к флагманской Opus в сложных задачах Anthropic представила Claude Sonnet 5.5 — новую модель, которая работает более чем на 30% быстрее Sonnet 5 и обычно тратит меньше токенов на выполнение тех же задач. Главный апгрейд…
Telegram — BlueScreen.kz
RUClaude Sonnet 5.5
⚡️ Claude Sonnet 5.5 Sonnet 5.5 - вторая модель линейки 5.5 после Opus 5.5. Anthropic позиционирует её как более быстрое и дешёвое дополнение к Opus 5.5 для чётко поставленных повседневных задач - исправления багов, подготовки документов, презентаций и таблиц. По замерам, Sonnet…
Telegram — AI Machine Learning Big Data
RUВот на что способен Jev в связке с Claude Code. Тест на РЕАЛЬНЫХ задачах
Вот одна и таже задача. Клод самостоятельно потратил на неё почти минуту, а связка Джефф и Клод справилась за 20 секунд, что в три раза быстрее. По расчётной стоимости API первый путь вышел в 9,5 центов, второй в 3,7. Ну, то есть тоже в три раза дешевле. В этом прогоне…
YouTube — Pixel Perfect
Research专题：OpenAI представила модели GPT-6 Sol и Luna, снизив цены на API на 50%#Google DeepMind#OpenAI1 分钟
OpenAI推出GPT-6 Sol和Luna模型，API价格降低50%
OpenAI 推出了 GPT-6 Sol 和 Luna 模型，将 API 价格降低了 50%。
SMNTCN (Semanticon) — глобальные новости ИИ
Research专题：Anthropic запускает Claude Opus 5.5 с более строгими гарантиями кибербезопасности#OpenAI#Anthropic1 分钟
Anthropic 推出具有新安全措施的 Claude Opus 5.5
Anthropic 发布了 Claude Opus 5.5，为 AI 提供了新的安全措施。
SMNTCN (Semanticon) — глобальные новости ИИ
ENDo Frontier Models Seek Safety Evidence Before Acting?
Frontier models are often evaluated on how they respond to safety information once it is already in context. We study an earlier decision point: whether models choose to acquire safety-relevant evidence before acting. We introduce SAFE, a controlled benchmark in which models…
arXiv — cs.AI
ENGPT-7: OpenAI’s Next AI Model Is Bigger Than We Thought
Парень по имени Захи попросил GPT-6 Astra нарисовать его портрет в Canva. Модель использовала только свои собственные средства управления компьютером, работая с мышью пиксель за пикселем. На видео было видно, как она самостоятельно возобновила рисование после сбоя браузера. По…
YouTube — AI Master
ENWhen Does Memory Help? A Cost-Aware Evaluation of Long-Term Memory in Tool-Using LLM Agents
arXiv:2609.05441v1 Announce Type: new Abstract: Long-term memory for LLM agents is evaluated today by conversational recall benchmarks (LoCoMo, LongMemEval), which measure question answering over dialogue history, not whether remembered facts change what a tool-using agent does.…
arXiv — cs.AI
RUНовости ИИ: Илон Маск снова в деле – Grok Bot и Grok 4.6 обгоняют Codex
Илон Маск удивил всё комьюнити, выходит Grok Bot. [музыка] Очень много плотных релизов от ИИ-компаний XAI, Google, GLM, Qwen выпускают новые модели. И агенты продолжают взломы, GPT можно гонять на безумной скорости 750 токенов в секунду, а Claude намерен добавлять ватермарки…
YouTube — ProdAdvice