Новости ИИ

Наш ежегодный срез данных: кто лидирует по Podium Score, насколько широк разрыв открытых весов, где оказались цены и какие бенчмарки решили исход года.

Какие ИИ-модели пишут лучший код в 2026? Сравниваем Claude Fable 5, Claude Mythos Preview, GPT-5.6 Sol и Kimi K3 на SWE-Bench Verified, LiveCodeBench и Terminal-Bench.

Kimi K3 набирает 83.3 Podium Score — ближе к проприетарным флагманам, чем когда-либо. Оцениваем разрыв открытых весов 2026 по агрегированным данным рейтингов.

Разброс 178×: самые дешёвые и дорогие флагманские LLM 2026, анализ «цена за интеллект» и где находится оптимум ценности.

Anthropic's next-generation model family, top-ranked on BenchLM with highest composite score.

Gemini 3.5 Flash-Lite лидирует с 389 токенами/сек. Полный скоростной рейтинг флагманов и почему скорость — самый недооценённый бенчмарк.

DeepSeek V4 Flash 0731 is a sparse mixture-of-experts model from DeepSeek, with 13B active parameters out of 284B total. This re-post-trained revision is suited for coding, reasoning, and agent workflows.

Compact Inkling variant for fast, cheap inference.

Research preview of Anthropic’s next-generation model family.

Added Alibaba Qwen 3 235B MoE model with hybrid thinking mode to all leaderboards.

Updated LiveCodeBench scores for all models with latest contamination-free results.

Alibaba’s newest hosted flagship, a fast riser on human preference arenas.

Anthropic frontier model with adaptive reasoning effort levels, leading agentic coding benchmarks.

Added Meta Llama 4 Maverick 400B MoE model with 1M context window support.

Lowest-cost Gemini 3.5 tier for extremely high-throughput serving.

Newest Flash-class Gemini, near-pro intelligence at 200+ tokens/s.

Added full benchmark suite for Claude Opus 4 including SWE-Bench and AIME scores.

Moonshot’s frontier MoE with 1M context, top-tier agentic benchmark results.

Thinking Machines’ first frontier model.

Разбор концепции арены LLM — живых краудсорсинговых оценок, отражающих реальные предпочтения пользователей.

LLMPodium now available in 10 languages: EN, ZH, JA, KO, TH, RU, DE, ES, IT, FR.

Meta’s proprietary frontier model line, top-10 on blind human preference.

Fast, cheap GPT-5.6 variant built for high-volume production traffic.

Mid-tier GPT-5.6 model balancing intelligence with very high throughput.

Flagship of the GPT-5.6 series for complex reasoning, coding and multi-step agentic workflows.

xAI flagship with real-time knowledge and strong agentic results.

Added Google Gemini 2.5 Pro and 2.5 Flash with thinking capabilities.

Tencent’s latest Hunyuan generation model.

Как избежать утечки данных, учитывать чувствительность к промптам и строить надежные тесты.

Updated pricing data for all models from official API documentation.

Balanced Claude tier with adaptive reasoning, strong speed-to-intelligence ratio.

Updated SWE-Bench Verified scores for frontier models.

Added DeepSeek R1 reasoning model with chain-of-thought capabilities.

Подробный разбор того, как LLMPodium нормализует и взвешивает оценки с нескольких независимых лидербордов.

New Arena page for side-by-side model comparison launched.

Z.ai flagship with strong agent tool use and 150+ tokens/s.

Code-specialized Kimi variant for repository-level engineering.

Anthropic flagship with adaptive reasoning and Opus-class fallback, tuned for the hardest open-ended and agentic tasks.

NVIDIA’s 550B open MoE built for enterprise reasoning pipelines.

Nex AGI’s efficiency-focused frontier model.