ClawBench, GLM-5, Яндекс.Go, новый закон РФ об ИИ — 22 июня 2026

ClawBench: лучшие нейроагенты завершают только треть реальных задач

Исследовательский проект ClawBench показал, что современные нейроагенты способны решить лишь 33% типичных бытовых онлайн-задач вроде бронирования рейса или оформления заказа. Даже самая сильная модель — Claude Sonnet 4.6 — смогла справиться только с таким результатом. Тестирование проводилось на реальных заданиях, взятых из интернета, что контрастирует с традиционными синтетическими бенчмарками, где показатели достигают 65–75%.

Источник: neurohive.io

GLM-5: первая открытая модель уровня закрытых конкурентов

Zhipu AI и Tsinghua University представили GLM-5 — первую открытую модель, способную соперничать с ведущими коммерческими моделями в ряде ключевых метрик. Она занимает первые места на открытых весах в бенчмарках Artifical Analysis и LMArena, а также лидирует в обработке сложных агентных задач на платформах BrowseComp и Human Language Evaluation (HLE).

Источник: neurohive.io

Яндекс.Go вышел на рынок Турции, начав работу в Стамбуле

Яндекс расширил географию своего мобильного сервиса Яндекс.Go, запустив его в крупнейшем городе Турции — Стамбуле. Сервис поддерживает вызовы такси по двум тарифам («Эконом» и «Комфорт»), стоимость посадки установлена на уровне 65 лир, а километр пути обойдётся пассажиру максимум в 44 лиры. Компания планирует развивать сервисы доставки и грузовых перевозок после успешного старта в Стамбуле.

Источник: ixbt.com

Новый закон РФ об искусственном интеллекте принят правительством

Правительство России одобрило новую редакцию закона об искусственном интеллекте, существенно отличающуюся от предыдущей версии марта 2026 года. Документ предусматривает поддержку развития отрасли, отказавшись от подхода «запретить и контролировать». Новое законодательство будет учитывать интересы разработчиков, инженеров и поставщиков решений для госструктур и критической инфраструктуры.

Источник: habr.com

Оптимизация LLM-инференса в продакшне снижает расходы

Статья на Хабре раскрывает методы снижения затрат на эксплуатацию крупных языковых моделей (LLM) в промышленных условиях. Автор делится опытом оптимизации инференса, приводя пример неоптимизированной модели объёмом 70 миллиардов параметров, которая потребляла десятки долларов в час на графическом ускорителе A100. Грамотная настройка позволяет снизить затраты до тысяч долларов ежемесячно.

Источник: habr.com

Первая нейромодель Reasoner на архитектуре VSA работает без GPU

Представлен первый обучаемый нейрокомпьютер Reasoner на векторно-символической архитектуре (VSA). Модель способна решать многоэтапные задачи анализа текста с точностью до 90% на простых вопросах и до 70% на трёхуровневых задачах. Важная особенность — работа исключительно на центральном процессоре (CPU), без использования дорогостоящих видеокарт (GPU).

Источник: habr.com

VSA Reasoner решает текстовые задачи на CPU без GPU

Разработан первый обучаемый нейропроцессор Reasoner на платформе Vector-Symbolic Architecture (VSA). Этот алгоритм достигает точности 90% на одно-двухступенчатых вопросах и сохраняет эффективность на уровне 70% на трехэтапных задачах. Ключевое преимущество — полное отсутствие зависимости от графических карт (GPU); весь вычислительный процесс происходит на обычном CPU.

Источник: habr.com

AI-помощники плохо играют роли героев и злодеев

Исследование специалистов из Tencent и Университета Сунь Ятсена показало, что крупные языковые модели демонстрируют низкие результаты в ролевой игре. Средний балл за игру героя составил 3.21 из 5, а за исполнение ролей антагонистов — всего 2.61. Основная причина низкой эффективности связана с недостатком гибкости и способности адаптироваться к нестандартным сценариям.

Источник: neurohive.io