Публикаций: 14
Бывший исследователь DeepMind Торе Грепель хочет победить галлюцинации LLM тем же приёмом, которым AlphaGo разгромил чемпионов мира по го: явным поиском с проверяемыми шагами. Его стартап Metis Reasoning пока существует как идея — но идея, которая бьёт в самый корень проблемы.
Anthropic выпустила Haiku 5.5 — цена упала с $1 до $0.10 за миллион входящих токенов, то есть в 10 раз. Модель теперь всегда рассуждает: reasoning отключить нельзя, только убавить уровень усилий.
В начале 2025 года DeepSeek R1 вышел из Китая и поставил под сомнение монополию OpenAI на рассуждение. Открытый код, MIT-лицензия, бенчмарки вровень с o1 — честный разбор: что внутри, где сильно и где не стоит переключаться.
Когда LLM «думает вслух» — вычисляет, ищет формулу, делает дедуктивный вывод — каждый тип рассуждения оставляет в сети отдельный, различимый след. Новое исследование впервые показало прямую связь между видимой цепочкой мыслей и внутренними состояниями модели — и главный вывод неудобный.
1 сентября 2026 года Anthropic выпустила Claude Fable 5.1 с пятью уровнями reasoning и двукратным преимуществом над GPT-5.6 Sol на научном бенчмарке. Инженер Саймон Уиллисон немедленно прогнал её через свой воспроизводимый SVG-тест и обнаружил: зависимость качества от уровня рассуждения не линейна — она скачкообразна.
PrismML сжала 27-миллиардную reasoning-модель до менее 4 ГБ — она запускается прямо на iPhone без облака. Apple, по имеющимся данным, уже тестирует технологию сжатия.
OpenAI опубликовала PDF с доказательством гипотезы о двойном покрытии циклами, составленным GPT-5.6 Sol Ultra. Задача открыта с 1979 года — если математическое сообщество подтвердит результат, это первая фундаментальная теорема комбинаторики, доказанная языковой моделью.
GPT-5.6 Sol вышел с пятью уровнями «глубины рассуждений» — от лёгкого Light до тяжёлого xhigh — плюс режимы Max и Ultra с параллельными суб-агентами. Сотрудник OpenAI Вайбхав Сриваставе дал простое правило: стартуй снизу и повышай уровень только по необходимости.
Модель с 3 миллиардами параметров наравне бьётся с DeepSeek V3.2 и Kimi K2.5 на математике и коде — хотя те в 333 раза больше. Секрет не в размере, а в том, что именно вообще поддаётся сжатию.
Девять исследователей опубликовали на arXiv метод ICT, который при RLVR-обучении LLM обновляет только 10% «особых» токенов вместо всех подряд. На моделях Qwen2.5 это дало средний прирост pass@4 на 4,58% и до 14,9% максимум — без роста размера модели.
Группа корейских исследователей опубликовала метод, который решает давнюю проблему GRPO: каждый роллаут тратится на один градиентный шаг и выбрасывается. Новый буфер переиспользует данные умно — и на math-бенчмарках это даёт до +4.35 процентных пунктов.
Microsoft анонсировал две собственные LLM: MAI-Thinking-1 на 35B параметров, претендующую обойти Claude Sonnet 4.6, и компактную MAI-Code-1-Flash на 5B, уже встроенную в GitHub Copilot. Оба — на «коммерчески лицензированных данных» без дистилляции из сторонних моделей.
Один из лучших математиков мира утверждает: ИИ способен сломать главное ограничение математики — необходимость одному человеку удерживать всю цепочку доказательства в голове. Впереди — «промышленная математика» с командами и разделением труда.
Reasoning-модель OpenAI опровергла гипотезу Пола Эрдёша о геометрии единичных расстояний, открытую с 1946 года. Лауреат Медали Филдса Тим Гауэрс назвал результат «вехой в математике ИИ» и предупредил: людям скоро станет очень трудно конкурировать с ИИ в математике.