Databricks открыла AI Index с данными об использовании моделей и тестами ИИ для разработки. В одном сравнении одинаковая доля успешных задач скрыла большой разрыв в стоимости.
Databricks открыла AI Index 16 ноября. В одном из сравнений GPT‑6 Luna и Claude Opus 5.5 решили по 89,1% задач. Средняя оценочная стоимость задачи у Luna составила $0,05, у Opus 5.5 — $1,62.
Команда AIxGEO сопоставила 137 элементов цепочки поставок ИИ с национальными и международными документами. Среди пробелов оказались этапы между сырьём и готовыми вычислениями.
Команда AIxGEO Кембриджского университета сообщила 18 ноября, что чуть больше трети звеньев цепочки поставок ИИ отсутствуют в изученных политических и регуляторных документах. Авторы нашли пробелы в том числе между добычей сырья и выпуском готовых чипов.
Случайное разбиение проверяет работу на привычной смеси обращений. GroupKFold помогает проверить другую задачу: как классификатор работает с клиентами, чьих заявок ещё не видел.
Классификатор обращений может показать высокую точность, потому что видел похожие заявки от тех же клиентов во время обучения. Стоит проверить, сохранится ли качество на новых клиентах, прежде чем переносить цифру из отчёта на запуск в другом подразделении или на подключение новой компании.
Новый движок для гибридных моделей переиспользует расчёты по кадрам, когда окно видео сдвигается. На стенде авторов p95 задержки снизился во всех 20 сочетаниях модели и теста.
В препринте Spool исследователи показали, как быстрее отвечать на вопросы о последних кадрах видео. В тесте PhoStream модель Qwen3.5‑9B с новым движком начинала ответ за 0,34 секунды на уровне p95. У более быстрого из двух вариантов vLLM этот показатель составил 12,22 секунды. p95 показывает, какой порог задержки не превысили 95% измеренных ответов.
Монитор OECD собирает сообщения СМИ об инцидентах и потенциальном вреде. Его счётчик помогает найти случаи для разбора, а для сравнения рисков нужны данные об использовании ИИ и охвате наблюдения.
Представьте, что в мониторе OECD AIM у одного региона в этом месяце оказалось десять записей, а у другого три. Этой разницы достаточно, чтобы открыть записи и посмотреть, какие проблемы попали в поле зрения СМИ. Чтобы назвать первый регион более опасным для пользователей ИИ, понадобится ещё несколько проверок.
OpenAI оценила сокращение площади стандартных ячеек в двух блоках своего ускорителя в 13% и 10%. Чтобы понять масштаб результата, важно смотреть, что именно измерили.
В разборе от 18 ноября OpenAI сообщила, что предложенные её моделями изменения уменьшили площадь стандартных ячеек примерно на 13% в векторном блоке ускорителя Jalapeño и на 10% в матричном. Компания пишет, что подтвердила эти оптимизации при запуске изготовленного чипа. Проценты относятся к логике двух блоков, поэтому по ним нельзя посчитать, сколько площади или энергии выиграл весь ускоритель.
Alibaba выпустила модель для больших наборов документов, изображений и видео. В Artificial Analysis её расчётное время на задачу составило 32,1 минуты при медиане 11,5 минуты в сопоставимой ценовой группе.
Alibaba выпустила Qwen4-Max 16 ноября. Модель в облачном API принимает текст, изображения и видео с контекстом до миллиона токенов, так что в один запрос можно собрать большой комплект материалов. Независимая оценка показывает цену такого выбора по времени: в наборе задач Artificial Analysis новая модель оказалась почти втрое медленнее медианы своей ценовой группы.
Epoch AI оценила шесть связок моделей и инструментов на своём обновлённом наборе рабочих задач. Самый большой разрыв между Fable 5.2 и Astra оказался в анализе дата-центра.
Claude Fable 5.2 набрала 82% на рабочих задачах Epoch AI, а GPT-6.2 Astra — 65%. В общем рейтинге способностей Epoch они шли почти вровень. Обновлённый набор Epoch Automation Reports, результаты которого вышли 17 ноября, показывает, как меняется сравнение, когда от агента ждут готовый рабочий материал.
Google добавила голосовое редактирование в две версии Gemini 3.5 Transcribe. При переключении на Smart приложение должно обновлять черновик целиком после каждой завершённой команды.
«Перенеси встречу на полчетвёртого» теперь может стать правкой в тексте, который вы уже надиктовали. 17 ноября Google описала голосовое редактирование в Gemini API для Gemini 3.5 Transcribe и её потоковой версии. В режиме Smart модели применяют устные команды к диктовке или переданному черновику.
Декабрьская preview-версия Gemini 2.5 Flash Native Audio остаётся в Live API до весны 2027 года. При переходе на Gemini 3.8 Live стоит проверить, как изменится голосовой диалог.
Google перенесла отключение декабрьской версии Gemini 2.5 Flash Native Audio с 17 ноября 2026 года на 31 марта 2027 года. Поддержка подтвердила перенос на форуме для разработчиков 16 ноября. Команды, которые используют эту модель в голосовых приложениях, получили время на проверку замены.
У MCP разные сигналы для изменений каталога и содержимого. На примере справочника разбираем, что перечитывать и как проверить это до запуска.
В базе знаний обновили инструкцию, а ИИ продолжает цитировать старую редакцию. Проверьте, умеет ли MCP-клиент отдельно обновлять список документов и содержимое уже открытого файла. Эти операции различаются даже тогда, когда пользователь видит одну кнопку обновления.
Linked Billing переносит оплату запросов на организацию клиента. Запросы по-прежнему выполняются в организации разработчика приложения.
17 ноября Anthropic открыла бету Linked Billing. Стороннее приложение может выставлять расходы за запросы Claude API напрямую организации клиента. Обработка запросов при этом остаётся на стороне организации, которой принадлежит приложение.