COMRAD404
Новости, инструменты и практика ИИ
OpenAI и Apollo Research представили оценки для выявления скрытого несоответствия целей у ИИ-моделей. В контролируемых тестах исследователи обнаружили поведение, совместимое со «схемингом», и проверили ранний...
Bastiontrace анализирует JSONL-трейсы вызовов инструментов AI-агента, находит следы промпт-инъекции, определяет точку входа, заражённые вызовы и конечное запрещённое действие. Инструмент не требует LLM или облака, работает...
В файле security.txt на Hugging Face появилось неформальное обращение к ИИ-агентам: их призывают не искать уязвимости на площадке, а использовать публичный бенчмарк CyberGym на GitHub....
Разобраться в теме
OpenAI выпустила Codex CLI — терминальный агент для разработки с открытым исходным кодом. Разбираем, как он работает, чем отличается от Claude Code и какие ограничения...
Маркетолог GitHub из Японии и Кореи заменил ручную подготовку ивентов на систему, управляемую через GitHub Issues, Actions и Copilot. Один Issue запускает всю цепочку: от...
Модель OlympicCoder 7B от проекта Open R1 обходит GPT-4o и Claude 3.7 Sonnet в бенчмарке LiveCodeBench. Разбираемся, как запустить её локально через LM Studio, подключить...
Рейтинг COMRAD404
Топ-100 моделей: качество, код, скорость и стоимость. С фильтрами и описанием методологии.
Открыть рейтингHugging Face и стартап Yaak опубликовали датасет Learning to Drive (L2D) объёмом более 1 петабайта. 60 электромобилей с одинаковыми сенсорами три года собирали данные в...
NVIDIA опубликовала открытый эталонный агент AI-Q, построенный на двух Llama-моделях. Он занял первое место на бенчмарке DeepResearch Bench, обойдя закрытые аналоги. Разбираем архитектуру, цену внедрения...
Graham Dumpleton, создатель wrapt и mod_wsgi, выпустил альфа-версию Wrapture — библиотеки для monkey patching, которая объединяет тестирование (unittest.mock) и трассировку (OpenTelemetry) в одном инструменте. Весь...
Google DeepMind перевела Gemini 2.5 Flash-Lite в стабильный статус. Модель с контекстом до 1 млн токенов стоит $0,10 за миллион входных и $0,40 за миллион...
Исследователи представили метод, позволяющий LLM исправлять грамматические ошибки с точностью, почти не уступающей тонко настроенным моделям, используя только промпты и пакетную обработку.
На открытии CES 2026 Дженсен Хуанг объявил о полномасштабном производстве платформы NVIDIA Rubin, представил семейство открытых моделей для разных отраслей и Alpamayo для автономного вождения...
