Všechny články
Kompletní výpis, od nejnovějšího.
-
Čínské modely v testu Aleph Alpha často přebíraly státní postoje
Německá Aleph Alpha zkoušela čínské modely na 967 politicky citlivých zadáních. Za vyvážené označil její automatický hodnotitel 17 až 41 procent odpovědí; zbytek rozdělil mezi přebírání…
-
GitHub přepnul výchozí kontrolu kódu v Copilotu na dražší úroveň Balanced
Kontrola kódu v GitHub Copilotu od 28. září standardně běží na úrovni Balanced, která posílá pull request modelu s delším uvažováním. Jedna recenze tak podle odhadu GitHubu spotřebuje…
-
Metoda Googlu zlepšila agenty v testu i na úlohách, které při úpravách neviděli
Tým Google Cloud AI Research zveřejnil metodu RRSI, která upravuje nástroje a pokyny kolem jazykového modelu. Na neznámých úlohách získala v testech až 4,7 bodu; samotné váhy modelu se…
-
Nejstahovanější převod modelu Clef do GGUF nemá rozhodovací hlavu
Cloudflare zveřejnil 30. září rozhodovací modely Clef a Clef-Flash, které místo textu vracejí pravděpodobnosti voleb. Počítá je zvláštní hlava se 128 miliony parametrů. V převodech do GGUF…
-
Google od 9. října omezí bezplatné Gemini na Flash-Lite
Google začne 9. října měnit nabídku Gemini pro osobní účty bez předplatného: zůstane jim Flash-Lite. Uživatelé tarifu AI Plus přijdou o model Pro v termínu, který dostanou e-mailem. Nabídku…
-
GPT-6 Astra vytvářel v testu funkční 3D scény, jejich věrnost ale zaostala
Výzkumníci z Marylandské univerzity a AWS nechali agenty podle obrázku napsat scénu v Blenderu. GPT-6 Astra dosáhl nejvyššího skóre, ale ani funkční výstup nezaručil správnou geometrii; při…
-
GPT-6.1 Sol nepodporuje úroveň uvažování none ani parametr temperature
OpenAI vydala 29. září GPT-6.1 Sol za stejné sazby jako GPT-6 Sol, levnější je jen čtení z cache. Kdo ale v rozhraní API jen přepíše jméno modelu, může narazit: nový model nemá nejnižší…
-
Anthropic chce za 100 milionů dolarů vyškolit 10 000 inženýrů u zákazníků a partnerů
Program Claude Frontier Academy má do konce roku 2027 vychovat deset tisíc inženýrů, kteří budou ve firmách nasazovat Claude. Anthropic do něj chce vložit 100 milionů dolarů, za co přesně…
-
Anthropic nabízí Claude federálním úřadům, kterým ho Trump v únoru zakázal
Claude for Government je od 30. září obecně dostupný federálním i státním úřadům v USA. Oznámení Anthropicu mlčí o tom, že platí dvě různá soudní rozhodnutí: únorový pokyn prezidenta, aby…
-
Agenti AI zveřejňovali snímky soukromých projektů na GitHubu
Glow Security našla přes 13 tisíc snímků firemních projektů ve veřejných úložištích na GitHubu. Agenti AI je podle výzkumníků zveřejňovali při přípravě podkladů ke kontrole změn; na…
-
S novou kontrolou smí OpenAI i při nulovém uchovávání dat projít až celý provoz
OpenAI od 22. září zavádí Private Safety Processing, bezpečnostní kontrolu slučitelnou s nulovým uchováváním dat. Podle její technické zprávy smí firma ke kontrole vybrat až všechny…
-
V testu Tavusu považovalo 26 z 54 lidí avatara Griffin-Lite za člověka
Tavus pustil Griffin-Lite jen k vybraným testerům. Ve firemní studii ho 26 z 54 účastníků po minutovém hovoru považovalo za člověka; samostatné měření Nvidia hodnotí jeho projev i zpoždění.
-
Bez firemní správy smí mod v Claude Code schválit i volání zakázané pravidlem deny
Claude Code 2.1.287 zapnul 1. října mody, tedy zásuvné moduly, jejichž kód běží přímo v nástroji a vidí každý pokyn i volání nástroje. Pravidla deny proti nim drží jen tam, kde se načte…
-
DeepSeek přidal k V4.1 Flash šablonu chatu, kterou napsal vývojář z Hugging Face
Tři týdny po vydání má DeepSeek V4.1 Flash šablonu chatu ve formátu Jinja, takže vstup pro model složí i nástroje bez vlastního kódu pro DeepSeek. Na pěti vzorových konverzacích dala v…
-
Institut FRI našel podceněné odhady pokroku AI v testech
Srovnání předpovědí s dosaženými výsledky ukázalo, že odborníci čekali matematické milníky později. Průběžná zpráva ale snáz odhalí příliš nízký odhad než příliš vysoký.
-
OpenAI viní lidi kolem Moonshotu, že zkoušeli vytáhnout skryté uvažování z modelů GPT
OpenAI zastavil v červenci kampaň, která přes víc než 15 000 účtů zkoušela rozšifrovat skryté uvažování jeho modelů, a její jádro připsal lidem kolem čínské laboratoře Moonshot AI.…
-
Google pustil Gemini 4 Argon zatím jen k vybraným obráncům sítí
Gemini 4 Argon má limit milionu výstupních tokenů, zatím ho ale dostávají jen vybraní účastníci programu Fairwind. Google zveřejnil úvodní ceny i jejich budoucí zdvojnásobení; termín…
-
Měřič útraty v bráně Claude apps účtoval hodinovou mezipaměť levnější sazbou
Claude Code 2.1.286 opravuje měřič, podle kterého brána Claude apps hlídá útratové limity vývojářů. Zápis do hodinové mezipaměti počítal sazbou pětiminutové, tedy o 37,5 % levněji, a u tahů…
-
Anthropic v testu obešel ochrany čínského modelu GLM-5.3
Anthropic ve zkouškách přiměl GLM-5.3 plnit škodlivé požadavky a po úpravě vah zaznamenal jen malý pokles kybernetických schopností. Vlastní měření amerického institutu CAISI také ukazuje…
-
Anthropic varoval, že zprávy z hodinového výpadku Clauda se nemusely uložit
Služby Anthropicu 29. září hodinu chybovaly, od claude.ai přes Claude Code až po API. Podle stavové stránky se část zpráv odeslaných mezi 14:00 a 14:59 UTC nemusela uložit; příčinu ani…