Пины по запросу tag:Reasoning

IBM выпустила Granite 3.2 с переключаемыми рассуждениями по цепочке мыслей в моделях Instruct 8B и 2B и своей первой официальной визуально-языковой моделью Granite Vision 3.2 2B, все под лицензией Apache 2.0.

Google выпускает экспериментальную Gemini 2.5 Pro — первую модель линейки 2.5 и «думающую» модель, которая набирает 18.8% в Humanity's Last Exam и 63.8% в SWE-Bench Verified при контекстном окне в 1 миллион токенов.

IBM выпустила Granite 3.3 8B и 2B Instruct с поддержкой fill-in-the-middle и усовершенствованными рассуждениями, а также Granite Speech 3.3 8B — свою первую официальную модель преобразования речи в текст — под лицензией Apache 2.0.

Google выпускает в предварительной версии Gemini 2.5 Flash — свою первую полностью гибридную модель рассуждения, где разработчики могут отключить «размышление» или ограничить его бюджетом до 24,576 токенов.

Команда Qwen компании Alibaba открыла исходный код семейства Qwen3 под лицензией Apache 2.0: шесть плотных моделей от 0.6B до 32B и две модели со смесью экспертов (30B-A3B и 235B-A22B), с переключаемыми режимами мышления и без мышления и поддержкой 119 языков; плотный флагман Qwen3-32B набирает 93.8 на Arena-Hard в режиме мышления.

DeepSeek обновляет модель рассуждений R1 до R1-0528 с открытыми весами по лицензии MIT: результат на AIME 2025 вырос с 70.0% до 87.5%, на GPQA-Diamond — с 71.5% до 81.0%, добавлены вызов функций и вывод в JSON.

MiniMax выпустила M1 — рассуждающую модель с открытыми весами на 456B с гибридной архитектурой смеси экспертов и молниеносным вниманием, контекстом 1M токенов и выводом рассуждений до 80K токенов, обученную новым алгоритмом обучения с подкреплением, по сообщениям, за $534,700.

Команда Qwen компании Alibaba выпустила Qwen3-235B-A22B-Thinking-2507 — модель типа «смесь экспертов» на 235B только с режимом размышлений, контекстом 262K и лицензией Apache 2.0, набравшую 92.3 на AIME25 и 74.1 на LiveCodeBench v6.

OpenAI выпустила в API GPT-5 mini и GPT-5 nano вместе с GPT-5: контекст 400,000 токенов, новый минимальный уровень рассуждения и цены $0.25 и $0.05 за 1 миллион входных токенов.

Alibaba выпустила Qwen3-Next-80B-A3B-Instruct и Thinking — сверхразреженные модели на 80B, которые задействуют лишь 3B параметров на токен, используют гибридную архитектуру внимания Gated DeltaNet и распространяются под лицензией Apache 2.0.

DeepSeek выпускает DeepSeek-V3.2 — модель с открытыми весами, которая размышляет прямо в ходе использования инструментов и по собственным тестам работает на уровне GPT-5, а также DeepSeek-V3.2-Speciale, доступную только через API, которая, по словам компании, соперничает с Gemini-3.0-Pro и достигла уровня золотой медали на IMO и IOI 2025 года.

Google раскатывает Gemini 3 Deep Think для подписчиков Google AI Ultra в приложении Gemini — режим усиленного рассуждения, набирающий 41.0% в Humanity's Last Exam и 45.1% в ARC-AGI-2.

Z.ai (Zhipu AI) выпускает GLM-4.7, флагманскую модель с лицензией MIT, ориентированную на программирование: она набирает 73.8 в SWE-bench Verified и 87.4 в τ²-Bench и в конце 2025 года занимает первое место среди открытых моделей на Code Arena.

StepFun открыла исходный код Step 3.5 Flash — разреженной смеси экспертов на 196B параметров (11B активных) с контекстом 256K и скоростью до 350 токенов в секунду; она набирает 74.4% на SWE-bench Verified и распространяется по лицензии Apache 2.0.

Alibaba выпустила Qwen3.5-397B-A17B — нативно мультимодальную модель с открытыми весами, активирующую 17B из 397B параметров, а также размещённую в облаке Qwen3.5-Plus с контекстом в 1M токенов — в канун Лунного Нового года.

Google выпускает в предварительной версии Gemini 3.1 Pro — обновлённое ядро для сложных рассуждений, достигающее подтверждённых 77.1% в ARC-AGI-2; она появляется в приложении Gemini, NotebookLM, API и Vertex AI.

Inception выпускает Mercury 2, который называет первой диффузионной LLM с рассуждением: 1,009 токенов в секунду на GPU NVIDIA Blackwell по цене $0.25 за 1 миллион входных токенов и $0.75 за 1 миллион выходных токенов, контекст — 128K.

Arcee AI выпускает Trinity-Large-Thinking — открытую модель рассуждений на 398B параметров (около 13B активных) для долгосрочных агентов, которая, по её словам, занимает второе место в PinchBench после Claude Opus 4.6 при цене $0.90 за 1 миллион выходных токенов.

Alibaba выпустила Qwen3.6-Plus — размещённую в облаке мультимодальную модель для агентного программирования с контекстным окном в 1M токенов, стоимостью CNY 2 за 1M входных токенов и результатом 78.8 на SWE-bench Verified.

SpaceXAI (ранее xAI) выводит Grok 4.3 в свой API — модель рассуждений с контекстом 1M токенов по цене $1.25 за миллион входных токенов и $2.50 за миллион выходных, примерно на 40% и 60% дешевле Grok 4.20; Artificial Analysis оценила её на старте в 53 балла.

Alibaba представила Qwen3.7-Max — проприетарную флагманскую агентную модель только для текста с контекстным окном в 1M токенов, которая, по словам компании, работала автономно 35 часов и набирает 80.4 в SWE-bench Verified.

Tencent официально выпускает Hy3, производственную версию своей модели Hunyuan с открытыми весами: смесь экспертов на 295B параметров с 21B активных и контекстом в 256K токенов по цене 1 юань за 1 миллион входных токенов.

Z.ai (Zhipu AI) выпускает GLM-5.3 — обновление GLM-5.2, полученное только за счёт дообучения, которое набирает 28.3 в Terminal Bench 3.0 и 84.5% в бенчмарке уязвимостей CyberGym, с контекстом 1M токенов и открытыми весами двумя неделями позже.

IBM выпускает Granite 4.2 — три открытые модели рассуждения под лицензией Apache 2.0 (3B, 8B и 30B) с переключаемым режимом мышления; по собственным замерам IBM модель 8B набирает 47.67 на SWE-bench Verified и 86.67 на AIME25.