ИИ с характером: бенчмарк независимости протестировал 49 моделей — Grok и Gemini лидируют
AI Independence Bench протестировал 49 LLM на независимость: способность держать позицию, возражать и не соглашаться. Grok и Gemini — в топе, GPT-5.4 — нет.
Последние
Архив всех последних публикаций Toolarium без дублирования главной страницы.
Anthropic и Пентагон: что суд уже решил и что ушло в апелляцию
Разбор дела Anthropic против Пентагона: предварительный запрет суда, апелляция, позиция Уоррен и спор о контроле Claude в закрытых сетях.
Claude Code Channels: Anthropic превращает ИИ-агент в постоянного помощника через Telegram и Discord
Anthropic выпустила Claude Code Channels — функцию для управления ИИ-агентом через Telegram и Discord. Разбираем архитектуру MCP-каналов, настройку и сценарии применения.
OpenAI покупает Astral: uv, ruff и Python-инфраструктура переходят под крыло Codex
OpenAI покупает Astral — компанию, создавшую uv и ruff. Что это значит для Python-разработчиков и open-source экосистемы?
Новая архитектура Transformer: адаптивные циклы и банки памяти вместо глубины
Немецкие исследователи предложили Transformer с адаптивными циклами и банками памяти. Модель на 12 слоёв обходит классическую 36-слойную на математических бенчмарках на 6,4%.
GPT-5.4 от OpenAI: миллион токенов, бенчмарки и цены
OpenAI за две недели марта выпустила три модели GPT-5.4. Разбираем, что изменилось в бенчмарках, ценах и возможностях.
Autoresearch Карпати: что это такое и как работает цикл из 700 экспериментов
Autoresearch Карпати — это узкий автономный цикл ML-экспериментов: агент меняет один файл, работает короткими прогонами и сохраняет только улучшения.