Дайджест AI/ML: Claude Haiku 5.5, OpenAI математика, Mistral Le Chonk Large 4

#дайджест Дайджест AI/ML за неделю 5–11 октября 2026 Anthropic: Claude Haiku 5.5 Замыкающая 5.5 линейки. Terminal-Bench 4.0 39.2% против 0.0% (лол) у Haiku 4.5 и 16.4% у GPT-6 Luna, OSWorld 72.4% против 48.9% у Luna, но до Sonnet 5.5 с его 70.6% далеко. Цена как у Luna $0.10/$0.50, кэш $0.01, но после 100К токенов все умножается на пять, тогда как Luna держит цену до 272К. Контекст 1М Позиционируют как субагента и компактор для Opus и Sonnet. Но на реддите уже посчитали: на длинном агентном прогоне Haiku вышел в 12 раз дороже Luna из-за большей цены за токен после 100к и большего потребления токенов. Дешевый токен и маленький расход денег из кошелька - разные вещи. Блогпост OpenAI: математика Математика ВСЁ. OAI выложили 719 манускриптов по 372 задачам от внутренней модели. Задачи серьезные, Филдсовские лауреаты в слезах. В среднем три часа thinking-компьюта на результат. В Lean формализовано 42%, три работы уже отозвали из-за ошибки знака, 14 починили. У многих математиков очень сложные отношения с этим релизом и самоидентичностью. Блогпост, GitHub, HN Mistral Le Chonk Large 4 "Самая умная модель за пределами США и Китая"🇪🇺🇪🇺🇪🇺 на триллион параметров: 1T-A52B MoE, text+image, 160 языков, обучена на 3800 Grace Blackwell в датацентрах ЕС. В индексе AA 38, то есть уровень DeepSeek V4.1 Flash и GPT-6 Luna. $1.36/$4.18, первые две недели вдвое дешевле. За задачу выходит в 4 раза дороже GLM-5.3-Flash и DeepSeek Flash с тем же интеллектом. Веса обещают к концу месяца. Пока превью в API. Блогпост, AA Reflection AI: Beam Вторая попытка сделать американский открытый фронтир после Inkling. 501B-A23B по их таблице уровень GLM-5.2 при в 3 раза меньшем компьюте на инференсе: Terminal-Bench 2.1 80.1 против 81.0 у GLM-5.2, SWE-bench Verified 80.9. Проблема в том, что GLM-5.2 вышла в июле и уже сменилась 5.3, а Kimi K3 и DeepSeek V4.1 Flash обгоняют Beam почти по всем строкам их же таблицы. Жаль не показали как рвут Llama3. Веса будут позднее, пока вейтлист. Блогпост Google: Nano Banana 2.1 На базе Gemini 3.6 Flash вместо 3.1. По внутреннему Elo 1050 против 990 у Nano Banana 2 и 935 у Pro, сильнее всего в консистентности нескольких персонажей и mask-редактировании (хотя тесты показывают что вообще не фронтир в дрифте картинки). До 14 референсов, держит 4 персонажей и 10 объектов, 1K/2K/4K. Цены вдвое ниже: 3.4 цента за 1K, 7.6 за 4K. Мелкий текст мылится, лево и право путает. Model Card, The Decoder Shengshu: Vidu Q4 Preview Image-to-video и reference-to-video до 16 секунд в 4K с нативным звуком и 10-бит цветом, до 15 референсных картинок и 3 аудио для голоса. Text-to-video нет. На AA image-to-video третье место после MiniMax H3 Max, хорошо подросли предыдущая Q3 Pro на 19-м. 1080p со звуком $0.12 за секунду, до конца ноября минус 30%. Модель Менее значимые новости: OpenAI: GPT-6 и Intelligent UI GPT-6 наконец доехал до обычного чата: Sol для платных, Luna для Free и Go. Вместе с ним Intelligent UI: модель сама решает, ответить текстом или собрать график, форму, калькулятор или схему с кнопками, рендерится по ходу генерации через их библиотеку компонентов. Work и Codex не трогали. Блогпост Anthropic: Claude Dashboards и Motion Dashboards строит живые графики по данным из Snowflake, BigQuery, Databricks, Redshift и ClickHouse, под каждым числом виден SQL. Motion делает анимированные объяснялки кодом, экспорт в MP4. Dashboards на платных планах, Motion почему-то только для Team и Enterprise. Анонс Liquid AI: Open d1 - открытые веса decision-моделей вслед за Jev: d1-3B на базе LFM2.5-VL с картинками и d1-omni-600M с аудио. Ноль output-токенов, 48.57 на Decision Index HF, лучшая до 10B, запускается на Jetson. HF, omni UCL и Huawei: Memento 3 - замороженный Opus 5 ведет в markdown rulebook про правила игры, компилирует его в Python-модель мира и планирует поиском по ней. На 25 публичных играх ARC-AGI-3 100.0 RHAE против 40.7 у того же Opus 5 в стандартном харнессе, но baseline1 уже давал 99.0, так что главный выигрыш - на 10% меньше действий. Кода нет. Статья