26 августа 2026

25 августа 2026 года Сбер сообщил, что GigaChat 3.5 Ultra прошёл тест из 250 вопросов программы профессиональной переподготовки «Информационная безопасность», набрав на 14% выше проходного порога. Тест проводился кибербез-подразделением Сбера и учебным центром «Информзащита». Темы охватывали российское законодательство по ИБ, техническую защиту от утечек и несанкционированного доступа, криптографические методы, сертификацию информационных систем и лучшие практики ИБ. По словам Сбера, модель обучена на 300 000+ ИБ-документах (лучшие практики, законодательство, уязвимости, тактики и техники атак), подготовленных экспертами Сбера. Позиционируется как «ресурс первой линии консультаций» для компаний без выделенного специалиста по ИБ и ориентационный помощник для входящих в профессию. Дополняет серию сданных стандартизированных экзаменов: МЭИ «Электроэнергетика» и «Теплоэнергетика» (май 2026, оценка «хорошо»), Самарский государственный медицинский университет «Ревматология» (июнь 2025), Приволжский исследовательский медицинский университет «Педиатрия» / «Неврология» (апрель 2025), Волгоградский медицинский университет «Кардиология» (февраль 2025), Гнесинка «Музыковедение» вступительный (май 2025).

Модель мира для входимых генеративных медиа, отвечающая на непрерывную навигацию и одновременно производящая 720p-видео с синхронизированным окружающим звуком, музыкой и речью. Взаимодействие организовано вокруг intent камеры: сцены от первого лица используют камеру для определения движения наблюдателя; сцены от третьего лица извлекают динамику камера-персонаж из данных. И дискретные команды, и непрерывные позы отображаются в общую относительную 6-DoF траекторию в метрической шкале с калибровкой движения на уровне датасета. Дополнительный движок данных и прогрессивная схема обучения плюс авторегрессионный пост-тренинг поддерживают совместное обучение аудио-визуальной генерации и управления траекторией. Авторы сообщают о сильном следовании траектории и визуальном качестве на публичных бенчмарках моделей мира как с взаимодействием от первого, так и от третьего лица.

OraRL вводит декоррелированный advantage-оценщик для RL-пост-тренинга видео-MLLM. Policy rollouts устанавливают oracle-free baseline; разрыв oracle-policy модулирует направленное усиление и отдельное detached oracle advantage. Sign-balanced pruning сохраняет только oracle и самые сильные rollouts по знаку, поэтому методу нужно лишь 2,2x от шагового времени SFT против 4,9x у GRPO+CoT. Масштабируется от 0,8B до 9B и до 100k промптов. Полученная Video-ORA-9B декодирует за 130 мс без CoT (против 4 780 мс), поднимает temporal mIoU с 62,5 до 66,0, tracking AO с 73,0 до 78,2, сегментацию с 64,3 до 70,4 и набирает 73,1 на VSI-Bench против 55,0 у GPT-5 и 55,1 у Gemini-3-Pro.

Omnimodal-модель для live-коммерции, отображающая изображения, видео, аудио и текст в единое пространство представлений. Per-vGrid организует timestamped-токены, группирующие каждый видео-грид с его временно соответствующим аудио внутри явных граничных токенов для временного выравнивания. Трёхэтапный supervised-тренинг прогрессирует от omnimodal-восприятия к ответам по инструкциям. Этап Faithful-RFT reinforcement напрямую оценивает финальные ответы через верифицируемую по задаче обратную связь, а не через разведку rollout'ов в стиле reasoning. Сценутоориентированная таксономия атомарных возможностей и компактный движок производства данных превращают live-коммерческие потоки в тренировочные сигналы для ASR, анализа спикера, визуальной привязки товаров, OCR, временной привязки, dense-caption видео и omnimodal QA. Синхронизированный length-grouped sampler сокращает паддинг, сохраняя нагрузку по воркерам; стратегия динамического сэмплинга перегенерирует rollout-группы с near-zero дисперсией награды для поддержания значимых GRPO-преимуществ.

Выявляет два разрыва в адаптации text-to-image-тренинга к редактированию изображений: недостаточное внимание к гранулярности edit-концепта и неэффективность тренинга из-за разреженного супервиза. Строит иерархическую таксономию из более чем 1 000 гранулярных edit-концептов и датасет из 12 млн пар (ConceptEdit-12M) через улучшенный фреймворк синтеза, выправляющий коллапс распределения при сохранении верности. Плотный супервизинг синтезирует несколько неинтерферирующих концептов в одной паре изображений для более богатых сигналов обучения. Выпускает ConceptEdit-Bench для гранулярной реальной оценки.

Интерактивный, stateful, tool-centric бенчмарк для мобильных планировщиков-агентов, закрывающий разрыв между GUI-centric бенчмарками (поверхностное манипулирование экраном) и статическими function-calling бенчмарками (оффлайн-API-мэтчинг). Охватывает 13 функциональных доменов и 212 реалистичных мобильных инструментов, работающих в исполняемой песочнице с живыми базами данных и структурированной обратной связью. Оценивает три продвинутых измерения: коллаборацию sub-агентов, использование памяти и использование навыков. Обширные эксперименты показывают, что современные frontier-LLM остаются ненадёжными в мобильных сценариях — производительность резко падает при строгом порядке вызова инструментов, лимитах разрешений и неожиданных рантайм-ошибках.

Фреймит улучшение харнесса как задачу оффлайн-обучения и итеративно обновляет харнесс по сигналам отказов в мини-батчах. Сочетает диагностику трасс отказов, генерацию структурированных патчей, обращающихся с харнессом как с кодом, и выбор обновлений на основе валидации. На GAIA2 / SWE-Bench Pro / Terminal-Bench 2.0 приросты составляют 9,0 / 9,6 / 10,0 процентных пунктов соответственно. Абляции изолируют три эффективных ингредиента: глубокую отладку вместо поверхностной рефлексии, таргетированные, а не неограниченные правки, и учитывающую обобщение, а не специфичную для траектории селекцию.

DiffusionOPSD превращает reward-гайданс уровня изображения в явные таргеты для предсказаний чистого вывода на выбранных квери, разделяя построение таргета и его конечную реализацию. Замороженная behavior-политика генерирует траектории и поставляет квери-состояния и якоря; reward-градиенты строят ограниченные положительные и отрицательные таргеты вокруг каждого якоря; обучаемая политика фитит их как detached-супервизию через конечную подгонку перед EMA-обновлением behavior-политики. Достигает лучших финальных held-out-баллов в 19 из 20 reward-согласованных настроек на SD 3.5-M и Z-Image-Turbo и десяти оценщиках, превосходя сильнейшего конкурента до 44%, с сокращением GPU-часов тренинга на 40%/63% против DiffusionNFT.

Формализует prefix-инвариантность и вводит лёгкий аудит с двумя forward-проходами без обучения или градиентов, выдающий per-layer скор, точно указывающий, где ломается каузальность. Среди 192 injected-fault испытаний на восьми чекпоинтах инспекция маски не обнаружила ни одной, тогда как предложенный аудит локализовал все 192 на точный слой. Статический и динамический анализ кода chunked-scan в трансформерах обнажил тот же дефект в Zamba2 и Nemotron-H, отслеженный до межчанковой axis-ошибки, исправленной через референсную реализацию.

25 августа Anthropic объявила о грантовой программе на $5 млн для независимых исследователей, создающих open-source оценки того, как AI влияет на благополучие пользователей. Грантополучатели получают финансирование, доступ к моделям и техническую поддержку; Anthropic требует, чтобы оценки ясно определяли, что именно измеряют, привлекали клинических/профильных экспертов, тестировали как предосторожности, так и вред, отражали реальное использование (включая многоходовые диалоги) и валидировали грейдеров на реальных экспертах. Заявки — до 21 сентября; полные предложения — до 5 октября.