AI Product | Igor Akimov

GPT-5.6 доступны всем желающим и они хороши! 2 недели была на ревью у государства. По бенчам всех порвала. – Sol бьёт Claude Fable 5 на агентских бенчмарках (+13 пунктов на Agents' Last Exam) – при

От подписчика: Отчет Faros.ai про реальные цифры продуктивности разработки с ИИ. Ну... Не все так однозначно... Это реальные метрики кода от требований до доставки. Выборка – 4000 команд за 2 года,

OpenAI выложил большое исследование о переходе к агентному ИИ Живая статистика использования (OpenAI + Wharton, Columbia, Duke). Сравнили три аудитории: частники, организации и сами сотрудники OpenAI

Результаты Fable и Sonnet в бенчмарках Cursor (реальных разработческих задачах) Fable просто всех порвал. Можно ставить medium effort даже и получать результаты лучше всех остальных. По эффективнос

И вот это интересный бенчмарк разработческий - по реально сформулированным задачам и с ожиданием определенного "синьорного качества" - Senior SWE-Bench В лидерах Opus 4.8, Sonnet 5 (но читерит много)

OpenAI представила новые модели - GPT 5.6! И закрыла их тут же по распоряжению правительства. – Sol – флагман, самая сильная модель – Terra – сбалансированная для ежедневных задач, на уровне GPT-5.

И ещё одно. Anthropic выпустила Claude Science – рабочую среду для научных исследований Не новая модель, а отдельное desktop-приложение (macOS и Linux, публичная бета). Работает на тех же моделях, но

Fable 5 снова доступен в Claude

Интересный проект по сбору всех официальных юридических документов разных стран (попытка спарить все что есть официальное): официальные юридические доки обновляются регулярно с трекингом правок, кейс

Gemini 3.5 Flash получил computer use из коробки Ну и очередной наезд на всякую автоматизацию "неавтоматизируемого" - более дешевый Computer Use. Google встроил агентное управление компьютером нативн