Большинство ИИ-моделей провалили тест по управлению стартапом в течение 500 дней
Исследование Принстона показало, что современные ИИ-агенты слабы в долгосрочном планировании: в симуляции стартапа CEO-Bench большинство моделей обанкротились.
-
-
В ChatGPT добавят обновление, которое сможет более точно отвечать на вопросы по медицине
OpenAI обновила ChatGPT, представив модель GPT-5.5 Instant, которая на 71% точнее отвечает на медицинские вопросы благодаря участию сотен врачей в обучении.
-
Claude Fable 5 оказалась слабее GPT-5.5 в новом стресс-тесте для ИИ-агентов Agents’ Last Exam
Новый бенчмарк ALE от ученых из Беркли показал, что GPT-5.5 справляется с комплексными профессиональными задачами лучше конкурентов, хотя общий уровень готовности ИИ остается низким.
-
В Lovable признали, что GPT-5.5 лучше справляется с проектированием сложных IT-проектов
Модель GPT-5.5 демонстрирует значительный рост эффективности в проектировании сложных систем, снижая количество ре-промптов и улучшая удержание контекста.
-
OpenAI открывает доступ к GPT-5.5 Cyber для банков, которым Anthropic ограничил доступ к Mythos
OpenAI предоставила девяти британским банкам доступ к инструменту кибербезопасности GPT-5.5 Cyber, заполнив нишу после отказа Anthropic поставлять модель Mythos.
-
Новый бенчмарк DeepSWE раскрыл уязвимости моделей Claude и сделал лидером GPT-5.5
Стартап Datacurve представил DeepSWE — новый бенчмарк для ИИ-кодеров, который выявил превосходство GPT-5.5 и критические ошибки в старых методах оценки.
-
Разработчик OpenClaw Петер Штайнбергер за месяц израсходовал токенов на $1,3 млн
Крупный счет в 1,3 млн долларов за использование API OpenAI выявил реальную стоимость содержания флота автономных ИИ-агентов в разработке.
-
Эпоха Vulnpocalypse: новые модели ИИ находят в семь раз больше уязвимостей
Использование новых моделей ИИ от Anthropic и OpenAI позволило Palo Alto Networks обнаружить в семь раз больше уязвимостей в своих продуктах, чем обычно.
-
В ChatGPT обновилась базовая модель: GPT-5.5 Instant обещает меньше галлюцинаций и больше конкретики
OpenAI обновила стандартную модель ChatGPT до GPT-5.5 Instant, значительно снизив уровень фактических ошибок и улучшив персонализацию ответов.
-
Исследование выявило 3 ошибки в логике, из-за которых ИИ спотыкается даже на простых задачах
Исследование ARC-AGI-3 показало, что даже передовые модели вроде GPT-5.5 совершают критические ошибки в логике, не дотягивая до 1% успеха.
