11 августа 2026

Новый бенчмарк из 170 тщательно отобранных задач по рефакторингу кода на семи языках программирования, созданный для устранения проблем с качеством и тестовыми наборами, найденных в прежних вариантах SWE-Bench. Лучший из оценённых кодинг-агентов решает лишь 41,2% задач, что показывает, что текущие агенты всё ещё испытывают трудности с масштабным мультиязычным рефакторингом.

Mind Lab представляет семейство открытых агентных моделей, которые продолжают обучаться после развёртывания благодаря архитектуре Mixture-of-LoRA: замороженная базовая модель комбинирует специализированные LoRA-адаптеры (чат, кодинг, агент, GenUI), выбираемые для каждого хода, а данные использования со временем дистиллируются обратно в адаптеры.

Представляет бенчмарк из 1253 примеров с экспертной разметкой по 60 темам в четырёх научных дисциплинах для проверки того, правильно ли модели генерации видео передают научные факты и причинно-следственную динамику, а не только визуальный реализм. Обнаруживает, что модели сильно различаются по научной корректности, с выраженным разрывом между проприетарными и открытыми системами.

Технический отчёт по Motif 3 — decoder-only модели Mixture-of-Experts с 314B параметров (13,2B активных), построенной на Grouped Differential Latent Attention в сочетании с manifold-constrained hyper-connections и головой multi-token-prediction, показывающей конкурентоспособные результаты на задачах рассуждения, кодинга и работы с длинным контекстом.

Предлагает не требующий обучения фреймворк, который дистиллирует успешные траектории крупного агента-учителя в иерархическую память (на уровне workflow, подзадач и функций) для малых агентов-учеников, проактивно внедряя память workflow/подзадач и реактивно — память функций при ошибках вызова инструментов. Протестировано на моделях-учениках с 4B-8B параметрами против учителя GPT-5-mini, давая прирост точности до 27,2 пункта по сравнению с базовыми показателями на бенчмарках использования инструментов.