ChatGPT с заявленным интеллектом уровня PhD демонстрирует системные сбои при ответах на простые вопросы про буквы алфавита, выявляя фундаментальные ограничения архитектуры GPT-5.
OpenAI интегрирует GPT-5 в корейский мессенджер KakaoTalk с октября 2025 года. Партнерство позволит 50 млн пользователей получить доступ к последней языковой модели без отдельного приложения.
Microsoft разрабатывает ИИ-систему для ускорения диагностики редких генетических заболеваний. Технология поможет анализировать миллионы генетических вариантов и сократить время постановки диагноза.
Ведущий геоастроном оспаривает заявление NASA о находке биомаркеров на Марсе, утверждая, что минералы можно объяснить небиологическими процессами. Научный спор продолжает традицию здорового скептицизма в астробиологии.
DeepMind опубликовала третью версию фреймворка безопасности для передовых ИИ-моделей, добавив защиту от вредоносного манипулирования и уточнив процессы оценки рисков.
Meta представляет Gaia2 — новый агентный бенчмарк с открытым фреймворком ARE для тестирования ИИ-агентов в условиях, максимально приближенных к реальному миру.
ServiceNow анонсировала SyGra — low-code фреймворк для генерации и преобразования данных для обучения языковых моделей. Решение упрощает создание сложных датасетов для SFT, DPO и RAG-пайплайнов.
Scale запустила SEAL Showdown — первый рейтинг языковых моделей на основе оценок реальных пользователей из 100+ стран с детальной сегментацией по демографии.
AlphaSense запустила Workflow Agents — автоматизированные рабочие процессы для бизнес-исследований, сокращающие время анализа с дней до минут.
Stanford HAI запустил Behavior Challenge — системный тест для домашних роботов с 50 бытовыми задачами. Эксперимент оценивает успешность, эффективность и надежность роботизированных систем в реальных условиях.