LLM-дайджест: 24 сентября 2026
🆕 Новые модели
- Claude Opus 5.5, GPT-6 Sol и GPT-6 Luna вышли на фоне новой ценовой войны. Simon Willison разбирает свежие релизы Anthropic и OpenAI на фоне также представленных Grok 4.7 и MiMo v2.6 Flash/Pro.
- Google представила две модели Gemini 3.8 для синтеза речи. Новое поколение text-to-speech получило отдельный интерактивный playground для проверки возможностей моделей.
- Mizar: компактная аудиоязыковая модель на 159 млн параметров. Модель объединяет восприятие звука со знаниями языковой модели и ориентирована на устройства с ограниченными памятью и вычислительными ресурсами.
📊 Бенчмарки и тесты
- Предложен репозиторный бенчмарк динамического понимания кода. Авторы проверяют, способны ли LLM рассуждать о фактическом выполнении программ, а не только демонстрировать статическое понимание кода.
✨ Новые возможности
- Google добавляет защищённую серверную память в Private AI Compute. Механизм предназначен для персонального ИИ и сочетает долговременную серверную память с приватными вычислениями.
- Agent-Editing World Model переосмысливает моделирование мира для LLM-агентов. Подход предлагает агентам редактировать модель состояния среды вместо полного предсказания высокоэнтропийных результатов инструментов.
📌 Прочее важное
- Контрастивное обучение улучшило проверку авторства. В протестированных условиях оно превзошло классификационный подход; важными оказались функция потерь, размер батча, длительность обучения и длина контекста.
- Перестановка правил меняет внутренние представления моделей при математическом рассуждении. Исследование показывает, что при сохранении правильного ответа внутренние представления могут оставаться чувствительными к порядку эквивалентных правил.
- Обычные методы борьбы с забыванием не сохраняют инструкции для машинного перевода. Авторы изучили тонкую настройку LLM на параллельных данных и обнаружили, что сохранение результатов на общих бенчмарках не гарантирует сохранения переводческих инструкций.
- Qwen3 адаптировали для переноса оценки тяжести депрессии между шкалами и языками. Работа предлагает последовательную LoRA-настройку для переноса от PHQ-8 к HAMD-17 в условиях дефицита клинических данных.