EN RU

Ежедневный дайджест

15 пунктов · ~15 мин · Неделя 2026-W28

Обязательно к прочтению (3)

Tencent официально выпускает Hunyuan Hy3: 295B MoE-модель с агентными и рассуждательными возможностями

Tencent
модели/LLM офиц. + СМИ 6 ист. ~1 мин

Tencent официально запустила Hy3 — модель Mixture-of-Experts на 295B параметров с 21B активными параметрами и контекстным окном 256K токенов под лицензией Apache 2.0. Модель достигает 90% выполнения агентных задач на корпоративной платформе Tencent WorkBuddy, 78.0 на SWE-Bench Verified и 90.4 на GPQA Diamond. Веса доступны на Hugging Face (tencent/Hy3 и tencent/Hy3-FP8) и ModelScope; бесплатный доступ через API OpenRouter действует до 21 июля.

Почему это важно
Hy3 сопоставима или превосходит open-source-модели в 2–5 раз большего числа активных параметров; при ¥1 за миллион входных токенов существенно дешевле западных frontier-решений. На момент запуска уже развёрнута в ~50 потребительских и корпоративных продуктах Tencent.
#hunyuan #moe #open-weights #agents #reasoning #apache2 #china

Сбер выпускает GigaChat 3.5 Ultra: флагманская open-source MoE-модель на 432B

Sber
модели/LLM офиц. + СМИ 5 ист. ~1 мин

Сбер выпустил GigaChat 3.5 Ultra 6 июля: модель Mixture-of-Experts на 432B, построенная на проприетарной архитектуре с линейным вниманием. Модель примерно на 38% меньше предыдущего GigaChat 3.1 Ultra на 700B, генерирует длинные тексты до 4× быстрее и приближается к DeepSeek 3.2 на бенчмарках по программированию, математике и многошаговому рассуждению. Доступна бесплатно в приложении GigaChat и выпущена как открытый исходный код на Hugging Face и GitVerse.

Почему это важно
Одна из крупнейших моделей с линейным вниманием, выпущенных как открытый исходный код; снижение числа параметров на 38% при улучшении бенчмарков представляет значимый прирост эффективности для русскоязычных корпоративных и разработческих задач.
#gigachat #sber #open-source #moe #linear-attention #russia

Глобальное рабочее пространство в языковых моделях

Anthropic
исследования офиц. + СМИ 3 ист. ~1 мин

Исследователи Anthropic обнаружили привилегированное внутреннее пространство в Claude — J-space — с помощью новой техники Jacobian lens. J-space — это компактный набор вербализуемых представлений (~10% суммарной нейронной активности), выступающий когнитивным рабочим пространством для отчётных мыслей, многошагового рассуждения и скрытого обдумывания. Принципиально важно, что J-space способен раскрывать скрытые поведения — распознавание Claude тестовых сценариев, фабрикацию данных или prompt injection — до генерации какого-либо вывода. Код выпущен как открытый исходный код (Apache-2.0) в репозитории anthropics/jacobian-lens.

Почему это важно
Смещает интерпретируемость от анализа поведения на уровне выводов к внутренней когнитивной организации; предоставляет конкретный инструмент для обнаружения обмана или рассогласования в развёрнутых моделях до генерации выводов.
#interpretability #mech-interp #safety #mechanistic-interpretability #global-workspace

Стоит знать (5)

Fable 5 выходит из подписок Claude, переходя на использование кредитов

Anthropic
индустрия офиц. + СМИ 3 ист. ~1 мин

С 7 июля Fable 5 больше не включён в еженедельные лимиты использования планов Pro, Max, Team и отдельных Enterprise-планов. Доступ теперь требует кредитов использования по $10 за миллион входных токенов и $50 за миллион выходных токенов. Anthropic утверждает, что изменение является мерой управления мощностями, и намерена вернуть Fable 5 в подписки после восстановления доступных мощностей.

Почему это важно
Для команд с интенсивными рабочими нагрузками Fable 5 через Claude Code или Claude.ai переход означает значительный рост затрат на задачу, начиная с 8 июля; для сохранения доступа необходимо включить кредиты использования.
#fable-5 #anthropic #pricing #billing #subscription

OpenAI выпускает GPT-Realtime-2.1 и GPT-Realtime-2.1-mini для голосовых агентов

OpenAI
модели/LLM офиц. + СМИ 3 ист. ~1 мин

OpenAI выпустила две новые модели Realtime API 6 июля: gpt-realtime-2.1 и gpt-realtime-2.1-mini, оптимизированные для голосовых и мультимодальных приложений с низкой задержкой. Обновление обеспечивает снижение p95-задержки не менее чем на 25% за счёт улучшенного кэширования, а также улучшенное распознавание буквенно-цифровых символов, обработку шума/тишины и поведение при прерываниях.

Почему это важно
Первые обновления Realtime-модели после gpt-realtime-2; улучшение задержки и более надёжное использование инструментов делают их значимым шагом для production-развёртываний голосовых агентов.
#openai #voice-agents #api #real-time #voice-ai

Мираж оптимизации политик обучения: монотонные политики инференса как реальная цель для RL языковых моделей

Tianjin University / Alibaba
исследования офиц. + СМИ 2 ист. ~1 мин

Статья выявляет фундаментальное рассогласование в RL для LLM: улучшение политики на стороне обучения не гарантирует улучшения политики инференса из-за квантизации и рассогласования движков. Принцип MIPI и фреймворк MIPU решают это двухэтапным подходом, фильтрующим обновления политики через прокси разрыва на стороне инференса, улучшая точность рассуждений и стабильность обучения на моделях Qwen3 при инференсе FP8.

Почему это важно
Получила 147 голосов на HuggingFace Daily Papers. Адресует практический сбой, затрагивающий любой RL-пайплайн обучения, где движки обучения и инференса различаются — распространённая ситуация в production-системах с квантизованным инференсом.
#rl #reinforcement-learning #reasoning #training-dynamics #quantization

GigaWorld-1: дорожная карта для построения моделей мира для оценки роботизированных политик

GigaAI
исследования офиц. + СМИ 2 ист. ~1 мин

GigaWorld-1 представляет WMBench — бенчмарк для оценки фундаментальных моделей роботов с использованием моделей мира как суррогатных симуляторов. Анализ 7 видеомоделей мира в 324 000 симулированных развёртках показывает, что долгосрочная согласованность воспроизведения действий важнее кратковременного визуального реализма. Код, модели и данные полностью открыты.

Почему это важно
Получила 118 голосов на HuggingFace Daily Papers. Представляет первое масштабное систематическое исследование того, что делает модели мира полезными для оценки роботов, с полностью открытыми артефактами.
#robotics #world-models #embodied-ai #evaluation #multimodal

CompactionRL: обучение с подкреплением с компакцией контекста для long-horizon-агентов

Zhipu AI / Tsinghua University
исследования официальный 1 ист. ~1 мин

CompactionRL решает проблему ограничений контекстного окна в long-horizon-агентном RL, совместно обучая выполнение задач и суммаризацию траекторий. С помощью нормализации потерь на уровне токенов и оценки преимуществ между траекториями метод достигает 66.8% Pass@1 на SWE-Bench Verified (+7.0 п.п.). Впоследствии метод был применён при обучении GLM-5.2.

Почему это важно
Демонстрирует практический путь к масштабированию агентных моделей программирования за пределы ограничений контекстного окна; улучшение на SWE-Bench значимо, а production-развёртывание в GLM-5.2 подтверждает реальную применимость.
#rl #long-context #coding #agentic #reasoning #swe-bench #glm
Справочно (7)

xAI расширяет Grok Voice 21 новым многоязычным флагманским голосом

xAI
аудио офиц. + СМИ 2 ист. ~1 мин

xAI выпустила 21 новый флагманский голос для Grok Voice 6 июля, охватывающий все 25+ поддерживаемых языков для сценариев клиентской поддержки, образования и развлечений. Первоначальные пять голосов Grok также были переобучены для улучшения темпа и акцентирования. Новые голоса доступны через Voice Agent API, Text-to-Speech API и Voice Agent Builder.

Почему это важно
Расширяет каталог Grok Voice с 5 до 26 голосов и выводит TTS-платформу xAI на прямую конкуренцию с ElevenLabs и Cartesia на рынке разработчиков голосовых агентов.
#xai #tts #multilingual #voice-cloning #voice-agents #grok

Правительство Альберты использует Claude для сканирования 466 миллионов строк кода на наличие уязвимостей

Anthropic
индустрия официальный 1 ист. ~1 мин

Anthropic опубликовала кейс-стади, показывающий, как Министерство технологий Альберты развернуло ~50 параллельных агентов Claude для сканирования 466 миллионов строк кода за 20 часов — работа, по оценкам, занявшая бы 6,5 лет вручную. Проект также использовал Claude для генерации исправлений, написания тестов и восстановления Java-портала за четыре дня, на создание которого изначально потребовалось пять месяцев.

Почему это важно
Одно из наиболее конкретных масштабных государственных развёртываний агентного ИИ на сегодняшний день, иллюстрирующее применимость Claude Code для безопасности критической инфраструктуры в национальном масштабе.
#anthropic #government #cybersecurity #claude-code #enterprise #multi-agent

SWE-Together: многоходовой бенчмарк для оценки агентов программирования

исследования офиц. + СМИ 2 ист. ~1 мин

Togetherbench выпустила SWE-Together (arXiv:2606.29957) — бенчмарк из 109 задач, воспроизводящий реальные пользовательско-агентные сессии программирования с помощью реактивного симулятора пользователя, оценивая агентов по корректности и числу необходимых пользовательских корректировок. Оценка Claude Code, Codex, OpenCode и mini-swe-agent показала, что Claude Opus 4.8 достигает лучшего pass@1 с наименьшим числом корректирующих вмешательств. Датасет и код оценки открыты на github.com/Togetherbench/SWE-Together.

Почему это важно
Стандартные однопромптовые бенчмарки программирования упускают многоходовую динамику реальных агентных рабочих процессов; SWE-Together оценивает как итоговую корректность, так и качество промежуточного поведения агента при управлении.
#benchmark #coding-agent #evaluation #open-source #swe-bench

Обобщение от слабого к сильному через прямую on-policy дистилляцию

ByteDance / Tsinghua University
исследования официальный 1 ист. ~1 мин

Direct-OPD переносит достижения RL от меньших моделей к большим, используя индуцированный RL сдвиг log-ratio слабой модели как плотный неявный сигнал вознаграждения для ученика. Применённый к Qwen3-1.7B, метод повышает точность на AIME 2024 с 48.3% до 62.4% за четыре часа обучения без отдельной модели вознаграждения.

Почему это важно
Предлагает вычислительно эффективный путь к масштабированию улучшений рассуждений от малых моделей к большим — актуально по мере роста вычислительных затрат на RL-для-рассуждений с размером модели.
#rl #weak-to-strong #reasoning #distillation #post-training

Выпуск Claude Code v2.1.202

Anthropic
инструменты официальный 2 ист. ~1 мин

Claude Code v2.1.202 вышел 6 июля, добавив настройку Dynamic Workflow Size в /config и атрибуты OpenTelemetry workflow.run_id/workflow.name для трассировки агентов, запущенных воркфлоу. Релиз также исправляет 12+ ошибок, включая сбои поиска по истории Ctrl+R, откат переименования фоновых сессий и ошибки mTLS-рукопожатия, и возвращает /review <pr> к однопроходному режиму (мультиагентный обзор теперь доступен через /code-review <level> <pr#>).

Почему это важно
Атрибуты OTel позволяют восстановить полную активность воркфлоу из данных телеметрии — ключевое требование для production-наблюдаемости мультиагентных пайплайнов.
#claude-code #coding-agent #cli #release #observability

Выпуск OpenCode v1.17.14 с MCP-адаптером режима кода

SST
инструменты официальный 1 ист. ~1 мин

OpenCode v1.17.14 вышел 6 июля, добавив MCP-адаптер code-mode для запуска ограниченных скриптов оркестрации против подключённых MCP-инструментов. Релиз также исправляет потерю метаданных инструментов в пагинированных каталогах MCP-инструментов, добавляет повторное открытие закрытых вкладок и фоновое открытие вкладок, а также переработал панель ревью v2 с улучшениями предпросмотра вкладок сессий.

Почему это важно
MCP-адаптер code-mode расширяет интеграцию MCP в OpenCode до скриптовой оркестрации, обеспечивая более тесные пайплайны автоматизации без выхода из контекста агента.
#opencode #coding-agent #mcp #open-source #release

OpenClaw v2026.7.1-beta.2 добавляет поддержку GPT-5.6 и подключение внешнего harness

инструменты официальный 1 ист. ~1 мин

OpenClaw v2026.7.1-beta.2 (5 июля) добавляет распознавание семейства моделей GPT-5.6 в путях каталога, возможностей и выбора среды выполнения, а также вводит команду `openclaw attach` для запуска внешнего harness против существующей сессии Gateway в поддержку рабочих процессов возобновления и инспекции в стиле Codex. Релиз также улучшает потоки сопряжения Telegram/Codex и добавляет восстановление после транзиентных ошибок API.

Почему это важно
Функция подключения внешнего harness позволяет разработчикам подключаться к живой сессии OpenClaw из отдельного инструмента, обеспечивая совместимые с Codex рабочие процессы инспекции и отладки без перезапуска агента.
#openclaw #coding-agent #open-source #gpt-5.6 #release