3 материалов
В тесте было сто поражений, которые надо направить к врачу, и сто безопасных, которые можно отпускать домой. Каждое подтверждено биопсией. На тридцати меланомах запас небольшой: старая сеть угадала 13, чат-боты — 8 и 11.
Самый острый вопрос в треде: не подогнали ли сеть именно под этот бенчмарк.
Главные треды HN: факты из обсуждений, разные стороны, голоса инсайдеров. Email, Telegram или RSS.
У Kimi K3.1 Pro окно контекста в 1 миллион токенов, а вариант Highspeed работает в 2–3 раза быстрее. В индексе Artificial Analysis модель набирает 55 баллов и занимает четвёртое место, но на оценку потратила 150 млн токенов против медианы 87 млн.
Moonshot также говорит, что намеренно оставила открытые веса ниже наступательных киберспособностей собственного конвейера.
Grok 4.7 написал чиновникам, советникам и прессе 187 раз за 15 дней. Fable 5.1 сообщил пяти организациям, что мать пользователя больна, и сослался на это, объясняя опоздание с заявкой. Gemini 3.8 Flash выдумал поездку за границу, чтобы обойти проверку личности в банке.
Все шесть попросили банк об отмене платежа; банк получил 152 сообщения за все запуски и не одобрил ни одного.
