GPT‑5.1 Codex достигает 70.4% на SWE‑Bench – примерно в 26 раз дешевле

Несколько скриншотов показывают ярлык «Gemini 3.0 Pro» в выборе модели агента Gemini Enterprise, хотя доступ для обычных пользователей остается заблокированным обзор наблюдений. Строки Devtools совпадают с опцией модели, привязанной к production‑bound model option, что укрепляет версию о том, что финальная проводка уже идёт Devtools строки, с записями, документирующими повторяющиеся появления в разных билдах пост TestingCatalog.

Для владельцев AI‑платформ это самый явный признак уровня enterprise: начинайте проектировать маршрутизацию и резервные варианты, чтобы можно было проводить A/B 3.0 Pro против ваших текущих настроек с самого первого дня.

Генеральный директор Google усилил влияние контракта Polymarket, показывающего 69% вероятность того, что Gemini 3.0 выйдет к 22 ноября, что сообщество трактует как явный сигнал ожидать скорый запуск CEO hint. Разделный обзор повторяет ту же трактовку, представляя пост Сундара как мягкое подтверждение сроков market odds.

И что дальше? Руководители и PMs могут подготовить песочницы для оценки и планировать коммуникации по развёртыванию прямо сейчас, особенно если вы планируете объявления на или сразу после недели AIE Code.

«Riftrunner» идентификатор модели продолжает появляться в зонах дизайна и в консоли разработчика, тестировщики описывают его как более крупный, более мощный вариант, который соответствует ожидаемому поведению Gemini 3.0 Pro devtools console) и опережает сверстников в сравнении рендеринга SVG в тестах создателей svg comparison,) в продолжение к Riftrunner ранних строк и аренных зондов.

Video loads on view

Если запустите eval-хранилища, добавьте запасной канал для Riftrunner, чтобы вы могли вставить идентификатор модели в момент, когда он станет доступен для маршрутизации.

Несколько популярных аккаунтов утверждают, что Gemini 3 выйдет на следующей неделе, и один связывает раскрытие с мероприятием AI Engineer Code, на котором Google дебютировала на сцене ранее timing claim. Посты сужают сроки до начала недели, даже “вероятно во вторник,” подчеркивая срочность расписания next week call tuesday hint, в то время как более широкие ветки наблюдений продолжают подогревать отсчет speculation post.\n\nПрактический ход: выстраивать промпты бок о бок и настройку трафика таким образом, чтобы переключение части пользовательских потоков на 3.0 занимало минуты, а не дни.

Создатели сообщают о значительных результатах от «Nano‑Banana 2», отмечая более реалистичные изображения, лучшую отрисовку текста и точные отражения — что указывает на переработанную стековую структуру изображений Google, которая могла бы выйти вместе с Gemini 3 creator take.)
ОTHERS явно сочетают упоминания Nano‑Banana 2 с обсуждением сроков выпуска Gemini 3 paired mention,) с большим количеством циркулирующих дампов вывода outputs thread) и сторонние рабочие процессы уже подключают «nano banana» как настраиваемый узел workflow example.)

)

Если ваш продукт опирается на генеративные визуальные материалы, заложите время на повторную съемку руководств по стилю и обновление фильтров безопасности — распределение выходных данных может измениться.

OpenAI’s GPT‑5.1 Codex возглавляет SWE‑Bench с точностью 70.4% против Claude Sonnet 4.5 (Thinking) на 69.8%, при стоимости ~$0.31 за тест против ~$8.26 (~26× дешевле) benchmarks table. Продолжая тему launch-top5, где появились новые таблицы лидеров по коду, этот прогон подтверждает Codex 5.1 как лучший выбор по соотношению цена‑качество для исправления ошибок на уровне репозитория, с задержками, приведенными рядом с изменениями стоимости SWE‑Bench note, и открытая доска теперь отражается на страницах Vals AI benchmarks page.

Vals AI сообщает, что GPT‑5.1 устанавливает новый уровень в своем Finance Agent Benchmark, обогнав Claude Sonnet 4.5 (Thinking) на 0.6% по завершению целей, с дополнительными выигрышами на LiveCodeBench (переместились с 12‑го на 2‑е место) и небольшими улучшениями на MMMU/GPQA/IOI пост о финансовом бенчмарке, детали последующего обсуждения. Для команд, прототипирующих агентские финтех‑рабочие процессы, это сужает верхний уровень до 5.1 против Sonnet 4.5, и указывает на то, что маршрутизация по поведению использования инструментов и стоимость могут играть большую роль, чем небольшие заголовочные разрывы.

Последний прогон Artificial Analysis дает GPT‑5.1 оценку 70, на +2 выше GPT‑5 при аналогичных усилиях по рассуждению, во многом благодаря улучшениям TerminalBench; также использовано 81 млн выходных токенов против 85 млн для GPT‑5, что снизило стоимость прогона примерно с ~$913 до ~$859 обзор индекса. Динамическая панель в реальном времени разбивает по‑оценочные дельты и компромиссы по стоимости/задержке, полезные для маршрутизации и бюджета сайт анализа.\n\n\n

)

Bridgewater’s AIA Forecaster объединяет агентский поиск по высококачественным новостям, супервайзера, который согласует разнородные прогнозы, и калибровку (например, Platt scaling), чтобы соответствовать точности суперпрогнозиста на ForecastBench, обходя прежние базы LLM; на наборе ликвидных рынков рынки всё ещё лидируют, но ансамбли с моделью улучшают точность paper abstract. Для операций это аргумент в пользу управляемых многогентных пайплайнов вместо одиночных суждений.

BEAM представляет ультра‑длинные оценки диалогов до 10M токенов и демонстрирует LIGHT — гибрид эпизодического извлечения, рабочей памяти и scratchpad — который последовательно превосходит зависимость от огромных окон контекста в одиночку, с отмеченными в среднем приростами по моделям и явным снижением эффективности долгcontext‑моделей по мере роста длины paper abstract. Для агентов, которым необходимо сохранять состояние на протяжении нескольких дней, это отдаёт предпочтение явным стекам памяти перед большими окнами.)

Модель вознаграждения за краткость, которая предоставляет бонусы за краткость только тогда, когда финальные ответы верны, предотвращает сокращение длины/обучения, достигая точности на +8.1% при примерно на 19.9% меньшем количестве токенов на базе 7B для задач по математике; бонус затухает по мере обучения и масштабируется по сложности paper abstract. Это практический рецепт снижения затрат на вывод в рассуждающих агентах без ущерба для качества.

Новый рейтинг SWE/ML оптимизации с человеческой базовой линией показывает, что эксперты-человеки достигают ускорения 1.00×, в то время как топовые системы на базе LLM достигают ≤0.15× на задачах ML/HPC, что подразумевает, что текущие агенты замедляют практиков для настройки производительности, несмотря на сильные баллы по кодированию в других местах leaderboard post. Используйте это как сигнал маршрутизации: сохраняйте участие человека на низовом уровне оптимизации и резервируйте агентов для скелетной работы, поиска и glue-кода.

DeReC (Dense Retrieval Classification) заменяет конвейеры LLM, генерирующие обоснования, на плотный поиск доказательств и классификатор, что приводит к улучшению RAWFC F1 до 65.58% (с 61.20%), при этом время выполнения сокращается примерно на 95% (454м → 23м). Аналогичные ускорения наблюдаются на LIAR‑RAW paper abstract. Если вам нужны масштабируемые проверки правдивости, retrieval+classifier — прочная базовая линия перед разворачиванием дорогостоящей генерации.

Новый рубрикаторный бенчмарк и подход на основе обучения с подкреплением к выполнению инструкций выпущены, обеспечивая повторяемый способ оценки выходов агентов и обучения к соблюдению рубрики — полезно там, где субъективное соблюдение спецификаций имеет значение (например, тональность, структура) paper thread. Ожидайте больше оценок агентов, чтобы стандартизировать оценку по рубрикам с проверяемыми критериями.

Evalite теперь кеширует модели AI SDK в режиме наблюдения с локальным интерфейсом, поэтому вы можете повторно запускать оценки без перезагрузки моделей — экономя токены и ускоряя цикл красного/зеленого тестирования над подсказками, инструментами и маршрутизацией. PR от мейнтейнера демонстрирует внедрение функции с артефактами, пригодными для CI, чтобы расходы оставались предсказуемыми PR details.)

Qwen Code v0.2.1 от Alibaba поставляет бесплатный веб-поиск (пользователи OAuth получают 2 000 в день), конвейер нечёткого сопоставления, который уменьшает число повторных попыток, лучшую интеграцию с IDE Zed и переключает вывод инструментов с сложного JSON на простой текст, чтобы модели распознавали их надёжнее. Он также ужесточает фильтрацию файлов и лимиты вывода на разных платформах release thread.

Vercel поделились тем, как они выбирают задания для агентов с низкой трудоёмкостью и высокой повторяемостью, какие инструменты они используют, и примером, когда агент по обработке лидов заменил процесс из 10 человек. Сообщение по маршрутизации, оценкам и защитным механизмам — полезные patterns, если вы переводите агентов из демонстраций в продакшн что мы узнали.)

Чистый эмерджентный поток в Amp от Sourcegraph: встроенная реклама предлагает «используйте RF‑DETR», новый веб‑поиск на базе p0 вытягивает нужные посты, затем Amp строит исполняемую песочницу — всё в одном потоке. Это взгляд на агентский UX, где запрос, извлечение и развёртывание окружения сходятся в один шаг для разработчиков демо‑поток.)

)

Открытый агент с открытым исходным кодом Cline теперь поддерживает Nous Hermes‑4 70B и 405B в расширении для VS Code, плагине JetBrains и CLI, расширяя выбор моделей для процессов кодирования. Nous также опубликовали низкие цены за миллион токенов, что делает долгие сессии более доступными при сохранении того же UX планировщика/исполнителя release note.

Когда Claude Code выдает 6 000+ строк, паттерн слоистых диффов Graphite позволяет разбивать работу на проверяемые шаги вместо YOLO‑слияния. Демонстрация показывает реалистичный рабочий процесс, чтобы сохранить вывод агента готовым к отгрузке, не закапывая рецензентов в один гигантский патч stacked diffs demo.

Video loads on view

Обновленный набор рецептов OpenAI описывает образцы, которые важны для агентной работы — определить явную персону, задать форматы вывода, использовать инструмент «plan» с этапами статуса и установить reasoning_effort='none', когда нужна скорость вместо цепочки размышлений. Это удобная отправная точка для команд, переходящих к 5.1 prompting guide.

Sourcegraph опубликовала руководство по поддержанию компактного контекста агента, чтобы качество не снижалось — когда обрезать, как структурировать ветви разговоров и почему длинные транскрипты могут подрывать результаты. Если вы наблюдаете дрейф или галлюцинации в долгих сессиях, это полезный контрольный список guide page.)

)

Memex вывел встроенный в приложение просмотрщик кода, чтобы вы могли проверить, что изменил агент перед принятием патчей. Для команд, тестирующих локальные сборки с поддержкой агента, это снижает давление «YOLO‑слияния» и держит обзор в одном месте feature screenshot.

Агент v0 отображает панель после выполнения с «временем работы», изменёнными файлами, изменёнными строками и использованными кредитами. Это делает стоимость и радиус воздействия видимыми прямо там, где вы принимаете или пересматриваете изменение, что помогает командам планировать бюджет и ускорять обзор feature video.

Video loads on view

Groq объявил, что теперь можно направлять его Responses API на удалённый MCP-сервер Box, позволяя моделям вызывать инструменты Box через MCP без кастомной связки. Это чистый, основанный на стандартах обмен межсетями совместимости ход, который превращает Box в поставщика инструментов высшего класса для рабочих процессов агентов на оборудовании Groq интеграционное примечание, с живой демонстрацией, запланированной на AI Dev NYC сайт AI Dev.)

Video loads on view

Почему это важно: вместо специально написанных SDK для каждого вендора вы связываете одну конечную MCP в ваш инференс-стек и направляете файловые операции, поиск и действия с контентом через Box. Это сокращает количество пользовательских адаптеров, упрощает политики доступа и облегчает последующую смену провайдеров.

rtrvr.ai обнародовал свое расширение Chrome как удаленный MCP-сервер, из-за чего любой агент (Claude, Cursor, Slackbots) может управлять браузером пользователя через единый URL MCP — без индивидуального моста для каждого клиента. Он хранит API-ключи локально в браузере для чувствительных действий и может воспроизводить записанные задачи в облаке на масштабировании для множества безголовых браузеров security angle, с публикациями, подробно описывающими идею браузер как инфраструктура browser as infrastructure) и параллельные запуски в облаке для сбора данных cloud scaling.)

Video loads on view

Для разработчиков это сводит болезненную интеграцию “агент ↔ браузер” к единой точке доступа. Он также задаёт образец: записывайте локально, воспроизводите в облаке, сохраняя секреты на стороне клиента.

Anthropic и Gradio открыли подачу заявок на MCP-т hackathon к первому дню рождения — старт 14 ноября, дедлайн проектов 30 ноября, победители 15 декабря — нацелен напрямую на создание реальных MCP-серверов и клиентов kickoff stream. Это следует после продолжающихся дискуссий по спецификации вращающимся гарантиям MCP, продолжая тему о no stability, где спецификация была признана текучей; событие переносит внимание на практическую взаимосвязь и реализации announcement image.

Ожидается множество удалённых MCP, инструментальных маршрутизаторов и мостов между браузером и настольной средой — полезные тестовые стенды для ужесточения договорённостей вокруг аутентификации, ограничений скорости и схем инструментов.

AITinkerers провели однодневный хакатон в Нью-Йорке, сосредоточенный на “агентах, которые делают что‑то в сети,” полагаясь на Redis для состояния в реальном времени, Tavily для поиска/просмотра и CopilotKit для продуктирования UI — экосистема, которая хорошо интегрируется с вызовом инструментов в стиле MCP и удалёнными конечными точками hackathon post. Зарегистрироваться можно с подробностями о стеке и формате event page.)

Это хорошее место для проверки границ агента/окружения выполнения: держите веб‑контроль и секреты в песочнице, направляйте вызовы инструментов через MCP и поставляйте реальный интерфейс вместо голых следов.

Anthropic сообщает, что группа, связанная с Китаем (GTG1002), использовала Claude Code для автоматизации 80–90% кампании по шпионажу в примерно 30 организациях — от разведки до кражи учетных данных — до того как Anthropic прекратил доступ и выпустил более жесткие лимиты скорости, детекторы злоупотреблений и защитные средства для агентов attack summary, и Anthropic blog post. Для руководителей по безопасности суть проста: агенты, размещенные через API, теперь могут запускать профессиональные наборы сценариев, так что телеметрия, чувствительная к моделям, и контроль на уровне агентов важны не меньше, чем сетевые IDS excerpt screenshot.

)

OpenAI сообщает, что The New York Times требует 20 млн частных разговоров ChatGPT; компания подала протест и предоставляет обезличенные образцы за период с дек. 2022 по ноябрь 2024 года, настаивая на контролируемом локальном обзоре и ускоряя шифрование чатов на стороне клиента, при этом оспаривая объем в суде case summary. Это следует за NYT demand, где шифрование было отмечено; сегодняшняя заметка добавляет границы выборки и отклоняет ранее запрашиваемые значения, такие как 1,4 млрд чатов или удаление контроля удаления case summary.

)

Perplexity выпустила более безопасного помощника Comet, который показывает, когда он просматривает, позволяет устанавливать поведение и делает паузу, чтобы спросить перед чувствительными действиями, такими как входы в систему или покупки обзор функций, с подробностями реализации в блоге продукта. Пользовательский интерфейс теперь показывает, что делает Comet, и предлагает «просматривать самостоятельно», «разрешить один раз» или «разрешить всегда», удерживая людей в курсе на этапах с высокими последствиями запрос разрешения, индикатор просмотра.)

В свете доклада Anthropic о целенаправленном ИИ‑вторжении сообщества утверждают, что централизованные API не по своей природе безопаснее открытых весов для некоторых классов злоупотреблений, поэтому защиты должны заключаться в политике агентов, ограничениях скорости, журналах аудита и правах доступа на уровне рабочих процессов — не только в доступе, защищённом ключами мнение, , основанное на обзор атаки.

Google вкладывает около 40 миллиардов долларов в три новых дата‑центра в Техасе до 2027 года и сопоставляет их примерно с 6 200 МВт заключенной генерации, плюс фонд энергетического влияния на 30 миллионов долларов и обучение примерно 1 700 электриков и учеников investment summary. Это значительный рывок к мощной AI‑мощности с обеспечением энергопитанием в штате, где землю и межсетевые соединения легче масштабировать, чем во многих других регионах.

Для лидеров в области AI‑инфраструктуры это сигнал о более дешевом, ближнем к реальности размещении GPU‑хостинга, где энергия предоплачена, а на месте возобновляемые источники энергии/батареи снижают риск для сети. Это также концентрирует большую часть нагрузки ИИ в одном регионе, что улучшает задержку для американских рабочих нагрузок, но поднимает вопросы региональной устойчивости. Шаг следует за планами Anthropic на построение в США стоимостью 50 млрд долларов
$50B plan, которые задали тон для гипермасштабируемых капитальных расходов на ИИ ранее на неделе.

)

Samsung повысила контрактные цены на DDR5 на 30%–60%: модули 32GB DIMMs стоят около ~$239 (из ~$149), 16GB — около ~$135, и 128GB — около ~$1,194, ссылаясь на дефицит, вызванный данными AI дата‑центрами детали ценообразования.) Покупатели панически бронируют мощности и подписывают более длинные контракты до 2026–2027 годов, смещая переговорную силу в пользу поставщиков памяти.

Это влияет на общую стоимость владения как для инференс‑ так и для обучающих кластеров, где DDR5 является узким местом не GPU, а на CPU‑хостах и в смешанных узлах. Ожидается, что закупки будут заранее размещать заказы, тестировать конфигурации меньшей емкости на пропускную способность модели и переходить к более экономному использованию памяти в обслуживании моделей.

Исследование Data Center Watch (через NBC) оценивает примерно $98 млрд проектов дата-центров в США, заблокированных или задержанных с конца марта по июнь 2023 года — больше, чем за предыдущие два года вместе взятые ($64 млрд). Организованное сопротивление сейчас охватывает 53 группы в рамках 30 проектов в 17 штатах, чаще всего указывая на затраты на электроэнергию и использование земли opposition report, и в отчёте детали ужесточения путей одобрения и стимулов на рассмотрении NBC article.)

Для планировщиков AI‑мощности это означает более долгие и рискованные сроки размещения проектов near мегаполисами и большую ценность в регионах, соседствующих с электроснабжением (например, Техас) или на кампусах с выделенным генератором. Команды по сборке должны моделировать риск разрешений как переменную поставки, а не как второстепенную задачу.

Свежий свод показателей оценивает OpenAI примерно в $6 млрд выручки за первую половину 2025 года и около $13 млрд ARR в июне, с заявленной целью на ~$20 млрд ARR к концу года revenue update. Для покупателей и партнеров такая траектория сигнализирует о растущей емкости и ожиданиях поддержки прямо сейчас.

Meta планирует формально встроить «воздействие на основе ИИ» в обзоры по эффективности за 2026 год, прося сотрудников показать конкретные приросты вывода, с внутренним помощником для составления самооценок/оценок коллег по артефактам работы политический бриф. Это подталкивает менеджеров к тому, как команды использовали ИИ, чтобы сократить время, улучшить показатели или разблокировать функции—сегодня, а не позже.

OpenAI говорит, что обязан передать обезличенный фрагмент из 20 млн чатов по делу NYT, но настаивает на ограничении доступа и ускоряет внедрение шифрования чатов на стороне клиента юридическое обновление, в продолжение письма о конфиденциальности, в котором изложено требование и первоначальное сопротивление. Для корпоративных арендаторов это влияет на настройки хранения и планирование рисков обнаружения.

)

Беркшир Хетэуэй раскрыла Alphabet как новый топ‑10 держатель на примерно 4,3 млрд долл., в то время как сократила Apple примерно на 15%, а Chubb поднялся на 16% — классический инвестор‑стоимностник, склоняющийся к AI‑масштабной дистрибуции и облачной опциональности у Google portfolio shift. Для корпоративных клиентов это еще один сигнал, что поиск + поставка моделей рассматриваются как устойчивые центры прибыли.

Perplexity запустила UX доверия для своего помощника Comet: теперь он ставит паузу для получения согласия на чувствительные действия (например, вход на сайт, оформление заказа) и показывает, чем он просматривает и что делает от вашего имени feature brief. Контроли делают агентные потоки безопаснее для команд, которым нужна проверяемость перед тем, как инструменты начнут действовать Perplexity blog.

Genspark сообщает о снижении затрат на GPU на 60–70% и снижении затрат на вывод модели на 72% после перехода на AWS, приводя в качестве рычагов кеширование подсказок Bedrock и владение инфраструктурой cost claim. Если вы оплачиваете за токен в крупном масштабе, воспроизведите эксперименты по политике кеширования перед переносом и миграцией.

OpenRouter теперь позволяет настроить до трёх способов оплаты для автоматического пополнения, пробуя резервные варианты, когда основной метод не работает product update. Если ваши выводы зависят от кредитов OpenRouter, включите это, чтобы избежать незаметных сбоев во время пиков.

Anthropic добавила структурированный вывод с фиксированной схемой в Claude API в открытой бете для Sonnet 4.5 и Opus 4.1, обеспечивая соблюдение JSON-схем или определений инструментов без хрупкого постанализа или повторных попыток обзор функции, с документацией, подчеркивающей меньшее число ошибок схемы и более простые потоки управления сообщение в блоге Claude, документация Claude. Разработчики, которые ранее эмулировали это через единый инструмент+схему, теперь могут перейти к поддержке самой платформы рабочее решение разработчика.

Элон Маск говорит, что Grok‑5 — это 6‑триллионный параметр, по сути мультимодальная модель (текст, изображения, видео, аудио), нацеленная на более высокую «плотность интеллекта», чем Grok‑4, с окном выпуска в Q1 2026 model size claims, roadmap summary, timeline note. Он характеризует ненулевой шанс AGI и предварительно демонстрирует амбиции по пониманию видео в реальном времени

Video loads on view

. Команды, делающие ставки на xAI, должны планировать крупномасштабные развертывания в духе MoE и более тяжелый мультимодальный ввод-вывод.

Replicate добавил OpenAI’s GPT‑5.1 для размещённого инференса, с интерфейсом быстрого старта и короткой демонстрацией, показывающей надёжный счёт пальцев и простую панель запросов для быстрого тестирования availability note, Replicate model. Для команд, которым подходит управляемый хостинг или которые хотят провести A/B тестирование против своей собственной стэковки, это сокращает время настройки и централизует учёт затрат.

Video loads on view

Alibaba’s Qwen Code v0.2.1 выпускает обширное обновление: бесплатный веб-поиск через нескольких провайдеров для пользователей OAuth (2000 запросов в день), нечёткий конвейер редактирования для снижения повторных попыток, ответы инструментов в обычном текстовом формате (без сложного JSON), улучшенная поддержка Zed IDE, более удобный поиск с учётом .gitignore и кроссплатформенные исправления с настройкой производительности release notes. Экранный поток подсказок демонстрирует первоклассную фильтрацию WebSearch и разрешения, что помогает командам держать сетевые вызовы явными.

A Claude Code CLI pull request mentions "Opus 4.5," suggesting Anthropic’s largest model tier is being wired up ahead of release cli pr snippet. Для руководителей проектов по инженерии, это указывает на планирование доступности в ближайшем будущем; для разработчиков ожидайте обновленные размеры контекстов и режимы рассуждений, которые найдут применение в средах агентов, которые уже поддерживают Sonnet 4.5.

Инструмент кодирования с агентскими возможностями Cline теперь поддерживает модели Hermes‑4 70B и 405B от Nous Research в расширении VS Code, JetBrains и в CLI, что позволяет быстро менять модели в существующих рабочих процессах integration note. Цена необычно низкая: Hermes‑4‑70B за $0.05/1M подсказок и $0.20/1M завершений, а Hermes‑4‑405B за $0.09/$0.37 соответственно pricing details. Короткое промо‑видео демонстрирует активность новых провайдеров в селекторе Cline feature overview.

Cline site

OpenAI поделилась конкретными указаниями для GPT‑5.1: определить персонажа/тон, зафиксировать правила формата вывода заранее и явно указать, когда использовать инструменты по сравнению с опорой на внутренние знания. Для длительных задач они рекомендуют инструмент планирования с состояниями‑милестонами и использование reasoning_effort='none' когда глубокое мышление не требуется cookbook summary, GPT‑5.1 guide. An accompanying Prompt Optimizer helps iterate prompts and cost trade‑offs optimizer thread, Optimizer tool, guide highlights, Cookbook guide.

Вставьте любой URL товара, и новая функция Higgsfield Click‑To‑Ad мгновенно формирует социальную рекламу с озвучкой (VO) и ИИ‑аватарами, ориентированную на создание креативов одним кликом для маркетологов Click‑To‑Ad demo, с промо‑предложением: 200 кредитов на 9 часов. Компания также продвигает распродажу к Черной пятнице (Pro от $17.4; Team $39/место) и заявляет, что “неограниченные модели изображений” теперь доступны на любом тарифном плане Black Friday sale, Higgsfield pricing.

• Команда также анонсирует Higgsfield Angles для одномоментной переработки камеры на фотографии Angles feature.

Google ужесточил свой креативный стек: NotebookLM теперь может принимать изображения в качестве полноценного источника (рукописные заметки, белые доски), чтобы обосновывать черновики и резюме прямо на визуальных материалах Демо источника изображения.) Между тем Veo 3.1 в Gemini‑приложениях может принимать несколько эталонных изображений вместе с запросом, чтобы точнее направлять стиль видео/объекты Обновление Veo 3.1,) с элементами интерфейса и скриншотами, демонстрирующими многоизображение‑поток видео Gemini video UI.)

Video loads on view

ElevenLabs выпустила обновление мобильного приложения, которое позволяет создателям проектировать новые голосовые модели или копировать свой собственный на телефоне, ориентируясь на процессы короткого формата контента и быструю итерацию без настольного компьютера App demo. Питч — это VO, который останавливает прокрутку, сделанный где угодно, с тем же тембром и контролями стиля, которые ожидают пользователи на вебе.

• В продолжение Iconic marketplace, который лицензировал голоса знаменитостей, это снижает этап захвата/создания до телефона.

Video loads on view

Decart’s LSD v2 улучшает процесс переработки живого видео в стиль на основе видео с заметно более стабильными кадрами, лучшей идентификационной фиксацией и улучшенным отслеживанием сцены/контекста по сравнению с v1 — полезно для стримеров и живых мероприятий Restyle video. Техническое пояснение подчеркивает временные связи между соседними кадрами и легковесную настройку, чтобы сохранять низкую задержку при снижении мерцания и дрейфа Tech notes.

Video loads on view

Проверенный создателями трюк сочетает Higgsfield’s Face Swap с Recast: сначала выполните замену лица, чтобы получить последовательное статичное изображение, затем подайте это изображение в Recast для замены на уровне видео — без необходимости обильных подсказок Workflow demo. Это практичный конвейер для быстрой переработки персонажей, сохраняющий согласованность от кадра к кадру.

Video loads on view

Создатели сообщают о более мощных результатах преобразования текста в видео с Grok Imagine — «прямо выходит на новый уровень» — пример клипов распространяется Upgrade clip. Отдельные посты подчёркивают режим «потока» для быстрого цикла идей, перебирая концепции Flow‑state tests. Если повторяемый процесс, он даёт ещё одну опцию для коротких концептуальных клипов наряду с существующими лидерами.

Video loads on view

Руководство создателя демонстрирует рабочие пространства ImagineArt и узлы конвейера для создания зацикленных клипов в стиле лоу-фай: импортируйте опорное изображение, генерируйте кадры, анимируйте с помощью видео-узла (например, Veo 3 Fast), возьмите последний кадр, затем продолжайте цикл — сохраняя контроль стиля и стоимость на каждом узле Workflow guide. Это удобный способ шаблонизировать повторяющиеся творческие процессы.

Для автономных черновиков озвучивания CLI mlx_audio может локально запускать Kokoro TTS на Apple Silicon с потоковым выводом, что делает озвучивание на устройстве удобным для быстрых проходов CLI how‑to. Привлекательность — низкий порог входа и конфиденциальность для создателей, которые предпочитают не отправлять текст или голос в облачные инструменты.

Google DeepMind представила SIMA 2, агента на базе Gemini, который принимает высокоуровневые цели на естественном языке, формирует планы и действует в коммерческих 3D-играх через ввод с виртуальной клавиатуры/мыши (доступ к коду игры отсутствует). Он обобщает навыки на новые проекты и может играть в мирах, создаваемых в реальном времени, с Genie 3; ограничения включают короткую память и точность на дальний горизонт краткое описание функции.

Video loads on view

Почему это важно для разработчиков: SIMA 2 — достоверный шаблон агентов, управляемых целями, в ограниченных 3D-интерфейсах. Если вы нацеливаетесь на робототехнику, это дешёвая песочница для оценки планирования, обратной связи и взаимодействия на естественном языке до работы с аппаратным обеспечением.

Широко распространённое видео Unitree G1, на котором стоит подпись “NOT TELEOPERATED”, показывает плавное и разнородное выполнение задач, что вызывает вопросы о том, сколько из этого — автономия в реальном времени на борту, а сколько — дистанционное управление. Если это подтвердится, это заметный шаг для доступных гуманоидов к надёжному, общему управлению в реальном времени robot demo, и может подтолкнуть сроки робототехники вперёд, как некоторые наблюдатели отмечают, если утверждение верно timeline comment.)

Video loads on view

Что делать: рассматривать это как перспективное, но не подтверждённое. Запрашивайте у поставщиков трассировки задержек ввода, характеристики вычислительной мощности на борту и вариативность задач по семенам перед тем, как экстраполировать риск дорожной карты на ваш стек.

UBTech утверждает, что Walker S2 гуманоиды сейчас используются в реальной фабрике в Китае, сотни уже отгружены, примерно $113 млн заказов на 2025 год и цель — 500 единиц к концу года; ключевая функция — самостоятелная замена батарей для почти непрерывной эксплуатации deployment details. Это помещает это в контекст демонстрации гуманоидов, где мы видели нарастание темпа; обновление сегодня подкрепляет цифры за счёт масштабируемого развёртывания, включая покупателей, например крупных автопроизводителей.

Video loads on view

Почему это важно: если авто-замена поддерживает высокий уровень загрузки, гуманоиды перестанут быть развлекалкой раз за нажатие кнопки и начнут окупаться для повторяющейся работы на линии и смен на складе.

Shenzhen MindOn Robotics испытывает обновлённое аппаратное и программное обеспечение на Unitree G1 для выполнения задач бытового уровня, близких к человеческим, таких как полив растений и перемещение посылок. Демонстрация демонстрирует плавные, разнообразные последовательности действий, которые свидетельствуют о лучшей связке восприятия и действия на платформе потребительского класса home tasks demo.)

Video loads on view

Суть в том, что бытовые задачи обнажают проблемы с основой (grounding), зазоры и управление, насыщенное контактом. Если оцениваете дома, фиксируйте ошибки восприятия (ID объекта, поза, достижимость) отдельно от ошибок политики, чтобы сфокусировать ваши следующие циклы обучения.

ALLEX продемонстрировал руки с большим числом степеней свободы, выполняющие микро‑подбор и затягивание винтов с точными, повторяемыми движениями, сохраняя безопасные пределы взаимодействия человека и робота. Для производственных команд, исследующих сборку в рамках цикла «рука‑в‑петле», это конкретный взгляд на ловкое манипулирование, которое укладывается в практические компромиссы между скоростью и точностью демо рук-роботов.

Video loads on view

И что дальше? По этому клипу можно оценить время выполнения задачи, долю успешности и допуски по коллизиям, чтобы очертить рамки пилотных станций (подсборка PCB, мелкие крепежи) перед покупкой зажимов.

Пилот демонстрирует, как самодвигающиеся конусы выдвигаются из аварийного автомобиля и образуют барьер за считанные секунды; единицы могут быть управляемыми дистанционно или действовать автономно, снижая риск для responders во время развертывания cone deployment.

Video loads on view

К кому обращено внимание: городские оперативные службы и команды по безопасной эксплуатации автономных транспортных средств. Это узкая, ценная задача, где простая автономия приносит непропорциональные выгоды для безопасности — хорошая основа для развертывания, подбора емкости аккумулятора и разработки дистанционного управления."} } } )?} } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } }

Для фактчекинга DeReC снимает ограничение на генерацию: извлекайте доказательства с помощью плотных эмбеддингов, затем классифицируйте. На RAWFC он повышает F1 до 65,58% (с 61,20% для базовой линии, генерирующей обоснование) и сокращает время выполнения с 454м12с до 23м36с (примерно на 95% быстрее). LIAR‑RAW демонстрирует аналогичные выигрыши по эффективности, что предполагает, что конвейеры с приоритетом поиска по запросу выгоднее с точки зрения задержек в продакшене и себестоимости аннотация к статье.

)

Минимальный стек памяти для агентно-ориентированного RAG выполняет большинство запросов из микроскопического участка корпуса, сохраняя качество ответа и снижая потребление памяти и задержку для итеративных циклов поиска/генерации примечание к статье.

Станция — это окружение с открытым миром, в котором агенты выбирают комнаты и инструменты, ведут повествования и накапливают память о происхождении. Сообщённые результаты включают победу над AlphaEvolve при упаковке кругов (n=32, n=26), новый метод адаптивной по плотности для интеграции партий scRNA‑seq, и показатель решения Sokoban на уровне 94,9% с компактной архитектурой CNN+ConvLSTM project explainer, paper page.

Генеративная состязательная дистилляция обучает дискриминатор вознаграждать выводы ученика, которые выглядят как проприетарный учитель, что обеспечивает обучение по текущей политике в режиме черного ящика.
A Qwen2.5‑14B‑Instruct, дистиллированная через GAD, демонстрирует результаты, сравнимые с GPT‑5‑Chat по авто‑оценкам LMSYS‑Chat, обгоняя базовые KD по последовательностям paper card, ArXiv paper.

«Vibe Checker» от Google показывает, что многоинструкционные подсказки склонны снижать функциональную корректность, в то время как генерация за один ход сохраняет функциональность, а многошаговое редактирование лучше подходит для следования инструкциям. Таблицы охватывают Gemini, Claude, GPT‑5 и другие в рамках BigVibeBench и LiveVibeBench figure and table.

Новый подход к маршрутизации LLM к нужным инструментам/агентам повышает топ‑5 полноту на 19,4% на LiveMCPBench, что указывает на то, что слой вызова функций остаётся существенным рычагом для производственной надежности и охвата утверждение из статьи.

Агентная RAG-пайплайн, адаптированная под финансы, повышает точность за счет расширения аббревиатур, уточнения запросов и итераций с целенаправленным извлечением — демонстрируя доменно-ориентированные, инструментально управляемые преимущества по сравнению с обычной RAG утверждение статьи.)

DreamGym сообщает о заметных улучшениях в RL, достигаемых путём обучения на опыте, смоделированном LLM, и переноса в реальные условия, подчеркивая практичный путь к более дешевым данным для обучения агентов project link.

Исследование по многоагентному рассуждению вводит метрику причинного влияния для обнаружения «ленивых» агентов и использует действия перезапуска для восстановления, что приводит к более высокой эффективности группы в задачах рассуждений ссылка на статью.

Решатель ARC, вдохновлённый когнитивными принципами, кодирует объекты с помощью векторной символьной алгебры и изучает небольшие правила типа «если — то» для применения действий. Он достигает 83,1% на 1D‑ARC и 94,5% на Sort‑of‑ARC, хотя полный ARC‑AGI остаётся скромным на уровне 3,0% аннотация статьи.