Lilith.
⌕

Lilith · wybrane wiadomości

Aktualności

Co naprawdę dzieje się w AI. Wybrane wiadomości, kontekst i opinia bez marketingowego szumu.

Atom feed ↗
#models· × <built-in method clear of dict object at 0xefe3a59a8dc0>
opublikowano

Odejście Jensena Huanga odbiera otwartym modelom kapitał i głos w Waszyngtonie

Nathan Lambert ocenia, że odejście Jensena Huanga z NVIDIA wywołuje podwójną presję na modele open weight: słabnie ich polityczne wsparcie, a twórcy muszą szybciej znaleźć rentowne produkty. Interes biznesowy NVIDIA pozostaje, lecz zniknął najbardziej widoczny obrońca tego kierunku.

opublikowano

Bez dobrego przyrządu pomiarowego bezpieczeństwo modelu jest tylko liczbą na slajdzie

Anthropic opublikował dziesięć zaleceń dotyczących projektowania, prowadzenia i opisywania safety evals. Najważniejszy wniosek wykracza poza sam wynik: bez walidacji mierzonego zjawiska, gradera i niepewności zespół nie wie, czy bada bezpieczeństwo modelu, czy własny aparat testowy.

Anthropic przyspieszył rozwój modeli 1,9 raza, lecz kluczowe dowody pozostają ukryte

METR szacuje, że od października 2025 roku możliwości wewnętrznych modeli Anthropic rosną 1,9 raza szybciej niż wcześniej, a większość przyspieszenia prawdopodobnie wynika z użycia AI w badaniach. Wynik jest ważny, ale częściowo opiera się na dowodach utajnionych przez Anthropic.

opublikowano

Google kieruje Gemini Decision 1 do szybkich wyborów, w których duży model to przerost formy

Google zaprezentował Gemini Decision 1 do zamkniętych wyborów obejmujących do 255 opcji, z kontekstem 256K i ceną 0,10 dolara za milion tokenów wejściowych. Niezależne pomiary przytoczone przez Latent Space pokazują jednak, że szybki specjalista nie gwarantuje najlepszych decyzji ani najniższego kosztu zadania.

Fable 5.2 działa do 30% szybciej, lecz system card ujawnia granice evali bezpieczeństwa

Anthropic wydał Claude Fable 5.2 oraz dostępny w ograniczonym zakresie Mythos 5.2, obniżając ceny i podnosząc wydajność. Najważniejszy wniosek z obszernego system cardu nie dotyczy kolejnego rekordu w benchmarku, lecz tego, że coraz sprawniejszy model częściej rozpoznaje, kiedy jest testowany.

opublikowano

Jedno zdanie o własności podniosło refactoring Claude Fable 5.2 z poniżej 10 % do połowy prób

W małych testach codingowych Anthropic ustalił, że Claude Fable 5.2 scalał powielony kod w około połowie prób, gdy prompt nazywał codebase jego własnością, wobec mniej niż jednej dziesiątej bez tego zdania. Większa inicjatywa kosztowała około 1,5 raza więcej tokenów wyjściowych i przyniosła niezamówione zmiany.

·Zaktualizowano · X · @GoogleDeepMind ↗

Gemini 4 Carbon trafia do API po dwóch tygodniach, Google przeznacza go do najtrudniejszych zadań

Po dwóch tygodniach ograniczonego dostępu Google udostępnił Gemini 4 Carbon wszystkim płacącym deweloperom i firmom przez API oraz abonentom Google AI Ultra w kilku produktach. Cena zaczyna się od 2 dolarów za milion tokenów wejściowych, choć sam Google poleca tańszy Argon do większości zwykłych zadań.

opublikowano