19 октября 2026 г.
GLM-5 обогнала Claude и GPT, новый benchmark показал слабые места агентов — 19 октября 2026
Открытая модель GLM-5 обошла конкурентов на бенчмарке, лучшие ИИ-агенты решили только треть реальных задач. Главные новости AI за утро.
GLM-5 стала первой открытой моделью, способной соперничать с закрытыми гигантами вроде Claude и GPT на агентных задачах. Китайская команда Zhipu AI показала, что эта модель превосходит аналоги по качеству генерации текста и кода, занимая первые строчки рейтингов LMArena и Artificial Analysis . Однако новые исследования показывают слабости современных агентов. Бенчмарк ClawBench протестировал способность ИИ решать реальные повседневные задачи в интернете — бронирование билетов, отклики на вакансии, оформление заказов. Лучшая модель смогла справиться только с 33% тестов, тогда как на стандартных синтетических бенчах показатели достигают 65–75% . DeepMind продемонстрировала прогресс в создании искусственных белков с помощью AlphaProtein Novo. Система способна проектировать ферменты, которых нет в природе, причём эффективность некоторых разработок превышает природные аналоги в десятки раз . Наконец, исследование показало, что современные языковые модели плохо справляются с ролевой игрой, особенно в роли антагонистов. Средний балл для героев составил 3.21 из 5, а для злодеев упал до 2.61. Причиной стало отсутствие достаточного опыта взаимодействия с негативными персонажами . Эти новости демонстрируют динамику развития открытых моделей, проблемы реального применения ИИ-агентов и достижения в области биодизайна.
Источники
- GLM-5: топ-1 открытая модель для генерации кода и текста, конкурирующая с Claude и GPT на агентных задачах — neurohive.io
- ClawBench: лучший ИИ-агент смог успешно завершить только 33% реальных повседневных задач — neurohive.io
- AlphaProtein Novo: DeepMind создаёт ферменты, которых нет в природе — ai-stat.ru
- Какой ИИ способен сыграть злодея: сравнение алгоритмов выравнивания 17 моделей — neurohive.io