# Сопутствующие статьи по теме Бенчмарк

Новостной центр HTX предлагает последние статьи и углубленный анализ по "Бенчмарк", охватывающие рыночные тренды, новости проектов, развитие технологий и политику регулирования в криптоиндустрии.

Claude Mythos официально представлен: Производительность превосходит Opus 4.6, но модель «заключена в тюрьму» из-за опасности

Антропик анонсировал новую модель ИИ Claude Mythos, которая превосходит Opus 4.6 по всем показателям: на 24% в исправлении ошибок (SWE-bench Pro), на 13% в строгом тестировании и на 17% в операциях с компьютером (Terminal-Bench 2.0). Однако из-за её способности обнаруживать и использовать уязвимости в программном обеспечении, что представляет серьёзную угрозу для экономики и общественной безопасности, модель временно не будет выпущена для публичного использования. Вместо этого Антропик запустил «Проект Стеклянное Крыло» (Project Glasswing) с участием Amazon, Apple, Google, Linux Foundation, Microsoft, NVIDIA и других. Они будут использовать Mythos для усиления защиты своих систем, а Антропик предоставит до $100 млн в виде кредитов и пожертвует $4 млн на безопасность открытого исходного кода. Это подчёркивает серьёзность угрозы и необходимость срочных мер по защите от мощного ИИ.

marsbit04/08 00:27

Claude Mythos официально представлен: Производительность превосходит Opus 4.6, но модель «заключена в тюрьму» из-за опасности

marsbit04/08 00:27

Новый прорыв в воплощенном интеллекте: Amap полностью открывает исходный код базовой модели универсального робота ABot-M0

Ключевой прорыв в области воплощенного ИИ: Amap полностью открывает исходный код базовой модели универсального робота ABot-M0. Модель ABot-M0, первая в мире архитектурно унифицированная базовая модель для операционного воплощенного интеллекта роботов, нацелена на создание "универсального мозга" для адаптации к роботам различных форм. Она устанавливает новые рекорды SOTA, демонстрируя 80.5% успешности выполнения задач в бенчмарке Libero-Plus — на 30% выше, чем у предыдущего эталона Pi0. Amap открывает исходный код в трёх ключевых аспектах: 1. **Данные**: Крупнейший в отрасли набор универсальных данных для роботов UniACT с более чем 6 миллионами реальных траекторий. 2. **Алгоритмы**: Архитектура модели, инновационные алгоритмы обучения манифеста действий (AML) и двухпоточной системы восприятия. 3. **Модели**: Предобученные модели с полным набором инструментов для лёгкого развёртывания. Это открытие преодолевает барьеры между разнородным аппаратным обеспечением, ускоряя переход воплощённого ИИ из лабораторий в промышленность и бытовые сценарии.

marsbit04/01 08:20

Новый прорыв в воплощенном интеллекте: Amap полностью открывает исходный код базовой модели универсального робота ABot-M0

marsbit04/01 08:20

Xiaomi и MiniMax одновременно выпускают мощные модели, официально начинается ценовая война в сфере Agent

Китайские компании MiniMax и Xiaomi (MiMo) представили свои модели искусственного интеллекта — M2.7 и V2-Pro соответственно, которые вошли в мировой топ по производительности в тестах Agent benchmark, но предлагают значительно более низкие цены по сравнению с зарубежными аналогами, такими как Claude Opus и GPT-5.2. MiniMax использует подход «самоитеративного развития», позволяющий модели самостоятельно оптимизировать свой код, в то время как Xiaomi полагается на масштаб — более 1 триллиона параметров и улучшенные механизмы внимания для обработки длинных контекстов. Обе компании демонстрируют разные стратегии: MiniMax часто выпускает обновления, а Xiaomi делает ставку на мощные, но редкие релизы. При этом Xiaomi провела необычный запуск своей модели V2-Pro под видом анонимного проекта на платформе OpenRouter, где она заняла первое место по популярности до официального анонса.

marsbit03/20 08:04

Xiaomi и MiniMax одновременно выпускают мощные модели, официально начинается ценовая война в сфере Agent

marsbit03/20 08:04

ChangeNOW осуществляет обмен криптовалют менее чем за минуту

Криптообменник ChangeNOW значительно опережает конкурентов по скорости обработки операций. Согласно отчету Swapzone за 2026 год, основанному на 150 000 транзакций, среднее время обмена USDT на ETH в индустрии составляет 45 минут, в то время как ChangeNOW выполняет такие операции менее чем за 60 секунд — в 45 раз быстрее. Это достижение стало возможным благодаря оптимизации инфраструктуры и маршрутизации ликвидности. Как заявила главный стратег компании Полин Шанжетт, скорость является ключевым элементом доверия пользователей, позволяя обеспечить практически мгновенное проведение операций и минимизировать риски изменения рыночных цен во время обработки свапа.

bitcoinist03/06 21:33

ChangeNOW осуществляет обмен криптовалют менее чем за минуту

bitcoinist03/06 21:33

Founders Fund, Pantera и Franklin Templeton присоединяются к «Арене» Sentient для стресс-тестирования корпоративных ИИ-агентов

Компания Sentient запустила Arena — производственную среду для стресс-тестирования ИИ-агентов в условиях, приближенных к реальным бизнес-задачам. К проекту уже присоединились Founders Fund, Pantera и Franklin Templeton с активами $1,5 трлн. Arena фокусируется на проверке надёжности и интерпретируемости решений в сложных сценариях: при неполных данных, противоречивых источниках и многоэтапных процессах. Платформа фиксирует полную цепочку рассуждений агента, что позволяет анализировать ошибки и улучшать модели. Первый челлендж посвящён анализу документов — ключевой задаче для финансовой аналитики и клиентского сервиса. Участвуют такие компании, как OpenHands и OpenRouter. По данным исследований, 85% компаний стремятся внедрить автономные ИИ-агенты, но лишь у четверти есть эффективная система управления ими. Arena призвана закрыть этот разрыв, предоставив нейтральный бенчмарк для оценки и совершенствования агентов. Запуск запланирован на март 2026 года в Сан-Франциско.

marsbit02/27 13:29

Founders Fund, Pantera и Franklin Templeton присоединяются к «Арене» Sentient для стресс-тестирования корпоративных ИИ-агентов

marsbit02/27 13:29

Спустя 6 дней после выпуска ChatGPT Health, OpenAI уступили лидерство в собственном медицинском бенчмарке

Китайская компания Baichuan Intelligent представила новую модель искусственного интеллекта Baichuan-M3, которая превзошла OpenAI GPT-5.2 High в медицинском тесте HealthBench, набрав 65,1 балла и установив новый рекорд. Модель также показала наименьший уровень галлюцинаций (3,5%) без использования внешних инструментов. Это достижение стало возможным благодаря технологии Fact Aware RL, которая улучшает точность диагностики и снижает риски ошибок. Кроме того, Baichuan разработала собственный тест SCAN-bench, ориентированный на диалоговые способности ИИ в медицине. В этом тесте модель превзошла врачей-людей благодаря более широким междисциплинарным знаниям и терпеливому подходу к диагностике. Компания планирует внедрять M3 в потребительские продукты, делая акцент на серьёзных медицинских направлениях, таких как онкология, а не на психологической поддержке. По мнению основателя Baichuan Wang Xiaochuan, ИИ может увеличить доступность качественной медицины и со временем передать больше медицинских решений в руки пациентов. Это также станет шагом к созданию универсального искусственного интеллекта (AGI).

marsbit01/14 02:33

Спустя 6 дней после выпуска ChatGPT Health, OpenAI уступили лидерство в собственном медицинском бенчмарке

marsbit01/14 02:33

Криптовалюта получает Уолл-стрит: Nasdaq и CME углубляют сотрудничество

Nasdaq и CME Group объединили усилия для создания регулируемого индекса Nasdaq-CME Crypto Index (NCI), предназначенного для институциональных инвесторов. Индекс, рассчитываемый CF Benchmarks и контролируемый комитетами обеих бирж, отслеживает корзину крупных криптовалют, обеспечивая диверсифицированное воздействие на рынок. Это позволяет создавать регулируемые продукты, такие как ETF, с прозрачной методологией и круглосуточной поддержкой. Обновление данных и продуктов запланировано на январь 2026 года, а операционная работа ведется с декабря 2025 года. Цель инициативы — внести ясность в правила и управление крипторынком.

bitcoinist01/11 15:08

Криптовалюта получает Уолл-стрит: Nasdaq и CME углубляют сотрудничество

bitcoinist01/11 15:08

Nasdaq и CME переименовывают совместный криптоиндекс для расширения охвата

Nasdaq и CME Group объединили усилия в области криптоиндексов, переименовав Nasdaq Crypto Index в Nasdaq-CME Crypto Index. Этот шаг углубляет сотрудничество между двумя провайдерами рыночной инфраструктуры, которое длится около трех десятилетий. Обновленный индекс служит базовым ориентиром для инвесторов, ищущих диверсификацию помимо стратегий с одним активом, на фоне растущего участия институциональных инвесторов и регуляторной ясности. Индекс отслеживает основные криптоактивы, включая BTC, Ether, XRP, Solana, Chainlink, Cardano и Avalanche, отражая широкий рынок, а не только Bitcoin. Структура индекса强调 прозрачность и управление, соответствует институциональным требованиям к рискам и соблюдению нормативных требований. Партнерство Nasdaq и CME, начавшееся в 1990-х с фьючерсов на Nasdaq-100, теперь расширилось до криптопространства.

TheNewsCrypto01/10 12:42

Nasdaq и CME переименовывают совместный криптоиндекс для расширения охвата

TheNewsCrypto01/10 12:42

Казначейства, доходность и иллюзия безопасности: реальные ориентиры

Криптовалютные хранилища (Vaults) эволюционировали от простых инструментов для фарминга до сложных программируемых инвестиционных продуктов, аналогичных традиционным фондам. Однако индустрия ошибочно фокусируется на доходности (APY), игнорируя риски. Исторические данные показывают четкую связь между риском и доходностью: - Казначейские облигации: ~3,3% - Облигации инвестиционного уровня: ~4,5% - Акции: ~9,9% - Венчурный капитал: 20-30% (с высоким риском) DeFi-хранилища маскируют различные риски (кредитные, ликвидности, контрактные) под единым интерфейсом, что приводит к системным кризисам (например, крах Stream и Elixir). Необходима классификация хранилищ по уровням риска и прозрачность в отношении источников доходности, чтобы избежать неоправданных потерь и обеспечить устойчивое развитие отрасли.

深潮12/19 03:01

Казначейства, доходность и иллюзия безопасности: реальные ориентиры

深潮12/19 03:01

活动图片

Популярные категорииright-arrow

Популярные тегиright-arrow