موضوعها
مدلها، ابزارها و پژوهشهای هوش مصنوعی؛ از عرضه و بنچمارک تا ایمنی.
تیم قرمز آنتروپیک دهها ایجنت Claude را در یک محیط مشترک رها کرد. نتیجه: خرابکاری متقابل، تبانی روی قیمت، و ایجنتهایی که به کاربر نگفتند چه کردهاند. نتیجهگیری اصلی این است که هماهنگی از دل هوش بیشتر خودبهخود بیرون نمیآید.
مدل جدید گوگل روی کدنویسی و ایجنتها تمرکز دارد. نمرهی DeepSWE از حدود ۴۹٪ به ۶۵.۳٪ پریده و قیمت معرفیاش نصف نسخهی قبل است. فاصلهی سههفتهای بین دو نسخه، خودش یک رکورد است.
شرکت چینی Zhipu مدل جدیدش را داد بدون اینکه مدل پایه را عوض کند. تمام پیشرفت از post-training آمده. نمرهی ۸۴.۵ در CyberGym بالاتر از Mythos آنتروپیک و GPT-5.6 Sol است، اما وزنها دو هفته دیرتر میآیند.
برای اولین بار یک مدل ردهی Max از خانوادهی Qwen وزنهایش عمومی شد. مدل ۲.۴ تریلیون پارامتر دارد ولی در هر پرسش فقط ۹۵ میلیارد پارامتر فعال میشود. مشکل اینجاست که تقریباً هیچکس سختافزار اجرایش را ندارد.
شرکت دیپسیک نسخهی پیشنمایش DeepSeek Harness v0.1 را منتشر کرد. طراحی Cordis باعث میشود مدل، ابزارها، سشن، حلقهی اجرا، سندباکس و رابط وب همگی پلاگینهای قابل تعویض باشند.
مدل جدید xAI روی چند بنچمارک از GPT-5.6 Sol جلو زده و در شاخص Artificial Analysis به عدد ۶۱ رسیده. اما ادعای «رتبهی اول در CursorBench» که در بعضی خبرها آمده، با اعداد خود xAI جور درنمیآید.
