COMRAD404
Новости, инструменты и практика ИИ
Meta представила Muse — AI-агента для работы с email, шопинга и планирования. The Verge протестировала ассистента и выяснила, что он извлекает личные данные из Instagram...
Подтверждений кражи неопубликованных идей пока нет. Но ответы OpenAI не исключают, что обезличенные диалоги исследователей могли повлиять на модели, а значит, компании нужен проверяемый аудит...
Исследователи представили метод PAC-Private Autoregressive Generation, который калибрует шум на основе разброса мнений ансамбля моделей, адаптированных на приватных данных. Это позволяет сохранять конфиденциальность при генерации...
Разобраться в теме
Финальный кандидат Python 3.15 доступен для тестирования. Релиз-менеджер Хьюго ван Кеменад призывает мейнтейнеров готовить колёса к октябрьскому релизу. Саймон Уиллисон проверил совместимость своих AI-проектов —...
Claude помог автору Paint.NET создать 180 000 строк замены Direct2D для работы через Wine. Это впечатляющий пример возможностей coding agents — и одновременно предупреждение о...
Исследователи представили MERIT — бенчмарк для измерения предельной полезности долговременной памяти у LLM-агентов, выполняющих инструментальные задачи. Результаты показывают, что память повышает успешность с 0 до...
Рейтинг COMRAD404
Топ-100 моделей: качество, код, скорость и стоимость. С фильтрами и описанием методологии.
Открыть рейтингСаймон Уиллисон выпустил обновление инструмента командной строки для работы с LLM. Главное новшество — отображение длительности выполнения запросов в логах. Также в версии исправлены ошибки...
Исследователи представили AhaBench — набор тестов для оценки способности языковых моделей учиться на предыдущем опыте в долгосрочных сценариях. Бенчмарк включает три компонента и показывает, что...
На мероприятии The Check Up Google Research показала Personal Health Agent — мультиагентную систему на базе больших мультимодальных моделей для носимых устройств, а также обнародовала...
Команда Snowflake AI Research представила HybridDeepResearch — первый бенчмарк, проверяющий способность LLM-агентов одновременно работать с веб-поиском и SQL-запросами. Даже флагманские модели (GLM-5.2, Claude-Sonnet-4.6, GPT-5) набирают...
GitHub ввёл централизованные управляемые разрешения для агентных операций Copilot — shell-команд, чтения и редактирования файлов, сетевых доменов. Настройки блокировки, ручного одобрения или автоматического выполнения теперь...
Вышел ColliePWA — прогрессивное веб-приложение для управления AI-агентами и терминальными сессиями со смартфона. Поддерживает herdr, tmux и zellij, передаёт байт-точный ANSI-вывод и работает через Tailscale.
