Поисковый ИИ-стартап Perplexity добавил функцию Model Council в свою облачную платформу Computer. Теперь пользователи могут собрать «совет директоров» из 2–8 моделей (OpenAI, Anthropic, Google, а также open‑weight GLM и Kimi) — каждая независимо отвечает на один и тот же запрос, после чего модель-«председатель» синтезирует отчёт, показывая, где мнения сходятся и расходятся.
Ранее Model Council работал только с тремя моделями без выбора и был доступен лишь enterprise‑тарифам. Сейчас функция открыта для подписок Max (200 $/мес) и Pro (20 $/мес), а также для корпоративных планов. Computer использует кредитную систему: 100 кредитов = 1 $. Лёгкая задача (например, резюмирование документа) расходует 100–350 кредитов, тяжёлая (создание презентаций) — до 2275 кредитов. Сколько «съест» сессия Model Council, Perplexity не уточняет, но стоимость зависит от сложности запроса.
Сервис ориентирован на ситуации, где нет однозначного ответа: юридические споры, финансовые оценки, бизнес-стратегии, инженерные задачи. Пользователь может запросить уровни уверенности каждой модели и уточнить исходные допущения — это помогает выявить скрытые риски и точки консенсуса.
#Tech #Release #Perplexity #ModelCouncil #AI #CloudTech
Please open Telegram to view this post
VIEW IN TELEGRAM
👍1💯1
🐉 Qwen3.8-Max: 2.4 триллиона параметров и первый Max с открытыми весами
Alibaba официально выпустила Qwen3.8-Max — самую способную модель в семействе на сегодня. Главная новость даже не в масштабе, а в лицензии: впервые веса модели класса Qwen-Max будут открыты, релиз обещают на следующей неделе. Архитектурно это развитие Qwen 3.5, 2.4 триллиона параметров всего при 95 миллиардах активных, доступ через API на QwenCloud. Акцент сделан на кодинг, рабочие задачи, исследования и длинные автономные прогоны.
Самая интересная часть анонса — не таблицы, а кейсы. Модель более 10 дней автономно вела проект oh-my-cli, построив самоэволюционирующий harness: за ~16 дней работы без человека набежало 265 коммитов, 127 PR и 151 issue. В другом тесте ей дали свежую статью про отбор данных для reasoning и GPU — за ~125 часов она написала 7600 строк кода, прогнала 33 раунда обучения, воспроизвела все шесть выводов статьи, а потом придумала и проверила 18 собственных идей и превзошла оригинальный метод на +2.7 пункта на AIME24. Третий кейс — реальное соревнование на Tianchi с 526 человеческими командами: за сутки модель собрала мультимодальный ансамбль, сделала 45 сабмитов и обошла 458 команд. Плюс автономный дизайн чипа: криптоускоритель ужат с 8298 до 678 гейтов за ~500 ходов, физическая площадь кристалла уменьшилась на 81%. На годовом симуляторе E-Commerce Bench модель закончила год с ¥416 тысяч из стартовых ¥100 тысяч — на 38% выше GLM 5.2 и в 2,5 раза лучше предыдущего флагмана.
По бенчмаркам картина трезвее заголовков. Terminal Bench 2.1 — 86.6 (у GPT-5.6 Sol 88.8), SWE-bench Pro — 67.7 против 80.0 у Fable 5, зато PaperBench 93.0 и IFBench 82.8 — лучшие результаты в таблице. В мультимодальности Qwen ведёт по многим строкам: OSWorld-Verified 86.1, Parametric CAD Bench 91.5, LogicVista 91.9, VideoMME 90.4. То есть на агентном кодинге модель примерно на уровне Opus 4.8, но уступает Fable 5, а вот в визуальных агентах и работе с документами часто первая. Отдельно завезли Qwen-MM-Plugins — библиотеку расширений, превращающую любой агентный harness в мультимодальный.
Стоит держать в уме, что значительная часть таблицы — внутренние бенчмарки Qwen (QwenSWEBench, QwenQoderBench, CoWorkBench и прочие), а тесты прогонялись на max effort. Реальную картину покажут независимые замеры и открытые веса, когда их выложат.
#AI #Qwen #Alibaba #LLM #OpenWeights #Release
Alibaba официально выпустила Qwen3.8-Max — самую способную модель в семействе на сегодня. Главная новость даже не в масштабе, а в лицензии: впервые веса модели класса Qwen-Max будут открыты, релиз обещают на следующей неделе. Архитектурно это развитие Qwen 3.5, 2.4 триллиона параметров всего при 95 миллиардах активных, доступ через API на QwenCloud. Акцент сделан на кодинг, рабочие задачи, исследования и длинные автономные прогоны.
Самая интересная часть анонса — не таблицы, а кейсы. Модель более 10 дней автономно вела проект oh-my-cli, построив самоэволюционирующий harness: за ~16 дней работы без человека набежало 265 коммитов, 127 PR и 151 issue. В другом тесте ей дали свежую статью про отбор данных для reasoning и GPU — за ~125 часов она написала 7600 строк кода, прогнала 33 раунда обучения, воспроизвела все шесть выводов статьи, а потом придумала и проверила 18 собственных идей и превзошла оригинальный метод на +2.7 пункта на AIME24. Третий кейс — реальное соревнование на Tianchi с 526 человеческими командами: за сутки модель собрала мультимодальный ансамбль, сделала 45 сабмитов и обошла 458 команд. Плюс автономный дизайн чипа: криптоускоритель ужат с 8298 до 678 гейтов за ~500 ходов, физическая площадь кристалла уменьшилась на 81%. На годовом симуляторе E-Commerce Bench модель закончила год с ¥416 тысяч из стартовых ¥100 тысяч — на 38% выше GLM 5.2 и в 2,5 раза лучше предыдущего флагмана.
По бенчмаркам картина трезвее заголовков. Terminal Bench 2.1 — 86.6 (у GPT-5.6 Sol 88.8), SWE-bench Pro — 67.7 против 80.0 у Fable 5, зато PaperBench 93.0 и IFBench 82.8 — лучшие результаты в таблице. В мультимодальности Qwen ведёт по многим строкам: OSWorld-Verified 86.1, Parametric CAD Bench 91.5, LogicVista 91.9, VideoMME 90.4. То есть на агентном кодинге модель примерно на уровне Opus 4.8, но уступает Fable 5, а вот в визуальных агентах и работе с документами часто первая. Отдельно завезли Qwen-MM-Plugins — библиотеку расширений, превращающую любой агентный harness в мультимодальный.
Стоит держать в уме, что значительная часть таблицы — внутренние бенчмарки Qwen (QwenSWEBench, QwenQoderBench, CoWorkBench и прочие), а тесты прогонялись на max effort. Реальную картину покажут независимые замеры и открытые веса, когда их выложат.
#AI #Qwen #Alibaba #LLM #OpenWeights #Release
🔥1🎉1💯1
Третья модель семейства 5.5 и, по словам компании, самая быстрая и дешёвая из всех, что она выпускала. Haiku 5.5 рассчитана на поток однотипных задач — саммари, компакции, запросы к базам, классификация — и на роль сабагента при Opus 5.5 и Sonnet 5.5. Скидка серьёзная: в среднем запуск обходится примерно на 75% дешевле Haiku 4.5. Тарифы теперь зависят от длины промпта: до 100 тыс. токенов это $0,10 за миллион входных и $0,50 за выходные, свыше — $0,50 и $2,50. Anthropic отмечает, что в такой порог укладывалось около 90% запросов к прошлой Haiku.
Разрыв с предшественницей на бенчмарках местами абсурдный, потому что Haiku 4.5 многие задачи просто не тянула. GDPval-AA v2.1 — 1620 против 735, OSWorld 2.1 — 72,4% против 15,7%, Terminal-Bench 4.0 — 39,2% против нуля, Humanity's Last Exam — 45,9% против 10,2% без инструментов. Для сравнения, у GPT-6 Luna те же метрики дают 1437, 48,9% и 16,4%. Это также первая Haiku с регулируемым уровнем усилий, то есть выбором между ценой и качеством. В Asana при прогоне своего набора тестов для AI Teammates получили снижение задержки больше чем на 30% и до 2,5 раза более быструю генерацию на ход агента.
Вместе с релизом Anthropic поправила экономику всей линейки. Чтение кеша у Sonnet 5.5 подешевело вдвое, до $0,10 за миллион, что снижает стоимость большинства агентных задач примерно на 20%. На этой неделе подписчикам Max и Team начисляют ежемесячные API-кредиты: $100 для Max 5x, $200 для Max 20x и до $500 для Team в общий пул на команду. Python- и TypeScript-SDK получили бета-поддержку computer use и browser use.
По безопасности позиция промежуточная. Кибер-ограничения строже, чем у Haiku 4.5, но мягче, чем у недавних моделей: защитных задач разрешено больше, чем у Sonnet 5.5, однако пентест и техники, типичные для атакующих, блокируются. Биологические ограничения те же, что у Sonnet 5 и Opus 5. Anthropic прямо оговаривает, где проходит граница применимости: на сложном агентном кодинге Sonnet 5.5 и Opus 5.5 остаются лучшим выбором, а Haiku 5.5 хороша там, где раньше задача была нерентабельна по цене.
#AI #Anthropic #Claude #Haiku #Release
Please open Telegram to view this post
VIEW IN TELEGRAM
❤1🔥1🏆1