LLM в психотических диалогах: что показало новое исследование
Исследование CUNY и King’s College London сравнило ChatGPT, Claude, Gemini и Grok в длинных кризисных диалогах и показало, что большой контекст может как включать защиту, так и ломать её.
Последние
Архив всех последних публикаций Toolarium без дублирования главной страницы.
DeepSeek V4 vs GPT-5.5: зачем open weights стали встречным ходом рынка
DeepSeek V4 и GPT-5.5 одновременно вошли в класс million-token context. Главный спор теперь не только о качестве, но и о способе доступа к frontier-модели.
OpenAI Agents SDK: новая база для production AI-агентов
OpenAI обновила Agents SDK: теперь у агентов появляется рабочая среда, состояние и восстановление после сбоев. Это шаг от демо к production-сценариям.
Meta переводит AI-агентные нагрузки на AWS Graviton
Meta разворачивает AWS Graviton для AI-агентов и делает ставку на CPU-слой рядом с GPU. Это важный сигнал для всей гонки AI-инфраструктуры.
Google инвестирует до $40 млрд в Anthropic: ставка на вычисления
Google даёт Anthropic $10 млрд сейчас и обещает ещё до $30 млрд позже. Объясняем, почему сделка важна прежде всего борьбой за вычисления.
Gemini Robotics-ER 1.6: зачем Google дала роботам новый API
Google DeepMind выпустила Gemini Robotics-ER 1.6 для рассуждений в физическом мире: API полезен роботам, но не делает их автономными сам по себе.
Формальная верификация кода: что показал баг в Lean 4
Формальная верификация сработала там, где были доказательства. Баги нашлись в среде выполнения Lean 4 и непроверенном парсере.