10. AMD EPYC 9996 Venice: 256 ядер Zen 6C, 512 потоков, 600 Вт
Флагманский EPYC 9996 (2P — 512 ядер/1024 потока) получил 1024 МБ L3-кэша, 96 линий PCIe 6.0 и 16 каналов DDR5-8000. Цена за 1KU — $14 904. В HPC Venice обходит Xeon 6980P в 2,2 раза.
#benchmark
13. Сравнение AMD EPYC Venice и NVIDIA Vera в HPC: кто быстрее?
Phoronix сравнил EPYC 9996 (256 ядер Zen 6C) и NVIDIA Vera на Ubuntu 26.10 с ядром 7.3. Тесты проводились на GCC 15, так как Znver6 поддерживается только в GCC 16.
5. DeepMind показала Gemini Robotics 2.5: роботы завязывают банты и работают на Mercedes-Benz
Новая версия VLA-модели на 30-100% успешнее предыдущей и на 20-30% быстрее. Роботы Apollo 2 с Gemini Robotics 2.5 достигли 96% успеха на сортировке запчастей в Mercedes-Benz. DeepMind также выпустила открытый бенчмарк безопасности ASIMOV-jailbreak.
10. NO DETAILS AVAILABLE — only the headline is known.
Анонсирована модель Decision 3.0 — открытые мультимодальные decision-модели размером от 0.6B до 27B, занявшие первое место на обоих лидербордах Jev Decision Index. Технические детали и ссылки на бенчмарки не раскрыты.
10. Сравнение Grok 4.7, Claude Opus 5.5 и DeepSeek V4.1 Flash: цены, скорость, качество
DeepSeek V4.1 Flash (552B параметров, MIT) — $0.30/$1.20 за млн токенов, 227 tok/s. Grok 4.7 — $2/$6, 188 tok/s, 46 баллов Intelligence Index. Opus 5.5 — $4/$20, 92 tok/s, 54 балла (max 58). На Terminal-Bench Opus 5.5 набирает 66.4%, Grok — 33%, DeepSeek — 31%.
12. Вышел Real-SWE: бенчмарк для ИИ на реальных корпоративных кодовых базах
Бенчмарк содержит задачи из приватных продакшн-репозиториев c реальными бизнес-правилами (расчёт налогов, миграции). Лучший результат у Claude Fable 5.1 + Claude Code — 38.8% resolution rate. GPT-6 Astra с Codex CLI набрал 33.8%, Gemini 3.8 Flash — 31.2%. Ни одна модель не превышает 40%.
8. Собраны все LLM-бенчмарки для кода, вычислена Intelligence Density
Автор собрал все известные бенчмарки для LLM-кодинга и посчитал их 'плотность интеллекта'. Детали не раскрыты — только заголовок.
1. NVIDIA AVO прошёл ARC-AGI-3 на 100%
Модель NVIDIA AVO завершила все 183 уровня в 25 публичных средах ARC-AGI-3, разобравшись, что делать, без инструкций и явных целей. Детали не раскрыты — известно только это.
8. Опубликован Minimal Standard for Safeguards — 67 джейлбрейк-техник
FAR.AI представил версию 1.0 стандарта безопасности для frontier-моделей. В методологию входит таксономия статических джейлбрейков и метод их композиции для оценки защищённости.
15. InfoOps Bench: бенчмарк для проверки LLM на устойчивость к госинформационным операциям
Бенчмарк использует более 2100 информационных операций из live-мониторинга российских, китайских и иранских государственных ресурсов. Протестированы 17 моделей от 8 провайдеров: уровень отказов (integrity score) варьируется от 8.8% до 94.5%. Китайские модели (кроме GLM 5.2) резко снижают compliance на фактические, но критичные для Китая запросы — падение на 48–70 процентных пунктов.
2. Kimi K3: 2,8 трлн параметров и обещание выложить веса до 27 июля
Moonshot AI показала Kimi K3 и называет его своей самой мощной моделью — 2,8 трлн параметров, если верить их округлениям до «3T-class». Модель уже доступна через сайт и API, а open-weight релиз обещают до 27 июля 2026 года; на фоне DeepSeek это уже соревнование не в качестве ответов, а в размере таблички с параметрами.
6. Ryzen 7 7700X3D вышел в продажу: 8 ядер, 104 МБ кэша и $329
Phoronix посмотрел на Linux-производительность AMD Ryzen 7 7700X3D — нового самого дешёвого 3D V-Cache процессора для геймеров. У чипа 8 ядер, 16 потоков, boost до 4,5 ГГц, суммарно 104 МБ кэша и цена около $329; интересно, насколько «игровой» он окажется вне рекламных слайдов и внутри реальных Linux-бенчмарков.
10. Bonsai 27B запускается на телефоне
PrismML хвастается моделью Bonsai 27B, которую, по их словам, можно гонять прямо на смартфоне. Число 27B тут важнее всего: это уже не игрушка на пару миллиардов параметров, а вполне тяжёлый зверь, который обычно ждёшь увидеть на сервере, а не в кармане. Любопытно не то, что «можно», а сколько компромиссов пришлось сделать, чтобы это вообще жило.
3. Apple SpeechAnalyzer сравнили с Whisper и старым API
В бенчмарке авторы гоняли новый SpeechAnalyzer API от Apple против Whisper и его предшественника. Судя по HN-шумихе, там не просто «посмотрите, у нас тоже есть STT», а попытка понять, насколько новый стек реально тянет на фоне уже обжитых решений.
7. Graviton5 уже обгоняет Xeon Granite Rapids, но до EPYC Turin не дотягивает
Phoronix прогнал бенчмарки новых AWS Graviton5 и сравнил их с Graviton4, Intel Xeon Granite Rapids и AMD EPYC Turin. У AWS тут Neoverse-V3 вместо Neoverse-V2 и память DDR5-8800 вместо DDR5-5600, так что прирост не из воздуха, а из довольно конкретной смены платформы.
7. Clojure почти догоняет C, если правильно попросить
На Lobsters обсуждают пост, где Clojure подводят очень близко к C по скорости — но, разумеется, не бесплатно и не магией. Такие разборы обычно интересны не лозунгом «языки теперь одинаковые», а тем, какие именно трюки с компиляцией, аллокациями и типами пришлось применить, чтобы не стыдно было показывать бенчмарк.
8. WebScan v2.0: из песочницы Хабра до pip install за неделю
Автор рассказывает, как за неделю довел WebScan до версии 2.0 и упаковал проект в pip install. Внутри обещаны путь от идеи, ошибки и бенчмарк — то есть не маркетинговый «вот вам тулза», а нормальная разработческая кухня с тем, где именно всё сломалось и что пришлось переделать.
4. DeepSeek V4 Pro обошёл GPT-5.5 Pro по точности
На runtimewire пишут, что DeepSeek V4 Pro показал лучшую precision, чем GPT-5.5 Pro. Деталей по методике в карточке мало, но сам факт сравнения двух топовых моделей уже собрал 164 балла на HN и 48 комментариев — народ, как всегда, готов спорить по любому бенчмарку.
7. Эстонский бенчмарк сравнил LLM по устойчивости к российской пропаганде
Ars Technica пишет про тест, который эстонское правительство устроило десяткам моделей: насколько они умеют сопротивляться российским «strategic narratives». Деталей тут ровно столько, чтобы стало любопытно, какие модели сливаются на манипуляциях, а какие хотя бы не разваливаются после пары аккуратных нарративов.
8. CachyOS прогнал BORE scheduler через бенчмарки
Phoronix отдельно разобрал производительность BORE scheduler в CachyOS Linux. Ранее у них уже были замеры других flavor'ов ядра, а здесь автор специально добрался до BORE, потому что читатели попросили посмотреть, что он дает на практике, а не в релизных обещаниях.
14. Intel Arc Pro B70 на Linux: Phoronix погонял его в играх
Phoronix отдельно протестировал Intel Arc Pro B70 BMG-G31 под Linux в игровых сценариях, хотя карта вообще-то не для этого. В серии тестов уже были OpenCL, Vulkan, Level Zero и даже конфигурации до четырёх карт — в общем, скучно железке не дали.
11. На стенде по computer vision обещают 86% точности на десятках картинок
Авторы Habr-поста пишут про стенд, где модели учатся буквально на десятках изображений вместо тысяч и при этом показывают не меньше 86% точности. Отдельно они утверждают, что решение обходит YOLO и не требует GPU-кластеров — звучит как отличный повод проверить, где там заканчивается инженерия и начинается маркетинг.