EpistemeAI выпустила Reasoning-Medical0.1-27B, медицинскую модель, дообученную на архитектуре Qwen3.5-27B. Модель доступна для загрузки на Hugging Face и, по утверждениям, превосходит MedGemma по производительности. В исходном тексте не были предоставлены конкретные результаты бенчмарков или подробные технические характеристики.
EpistemeAI выпускает Reasoning-Medical0.1-27B, медицинскую дообученную модель на базе Qwen3.5-27B
IBM выпускает семейство Granite 4.2 с встроенным цепочечным мышлением
IBM выпустила семейство моделей для рассуждений Granite 4.2 с открытым исходным кодом, включающее флагманскую версию на 30B, среднюю на 8B и компактную на 3B. Эти модели используют нативные возможности цепочки мышления для улучшения результатов в математике, программировании и сложных многошаговых задачах.
AI9Stars выпустила G9v3-39A5B, модель с открытыми весами на 39B параметров и 5 активными экспертами
AI9Stars выпустила G9v3-39A5B, языковую модель с открытыми весами, предназначенную для обеспечения более сильных способностей к рассуждению по сравнению с её предшественником, ai9stars/G9v3-3B. Модель имеет 39 миллиардов параметров и 5 активных экспертов и лицензирована по Apache 2.0 для личного и коммерческого использования.
MiniMax планирует выпустить модель M3 Pro с 2,7 триллиона параметров
Китайская компания в области искусственного интеллекта MiniMax готовится выпустить новую большую языковую модель под названием M3 Pro, которая содержит 2,7 триллиона параметров. Ожидается, что модель будет выпущена и опубликована с открытым исходным кодом уже в третьем квартале этого года.
Liquid AI выпустила Antidoom для устранения петель отчаяния в моделях рассуждений
Liquid AI выпустила Antidoom, метод с открытым исходным кодом, предназначенный для устранения режима отказа «doom loop», часто встречающегося в моделях рассуждений. Компания предоставила оценочные баллы, демонстрирующие значительное снижение уровня ошибок для конкретных контрольных точек моделей.
RaDaR: специализированная LLM для рассуждений, ускоряющая диагностику редких заболеваний
Исследователи представляют RaDaR — открытую 32B параметр reasoning large language model, предназначенную для ускорения диагностики редких заболеваний за счет решения проблем клинической внедряемости и нехватки данных. Модель обучена на почти 50 000 публичных случаях и более чем 100 000 синтетических случаев, демонстрируя превосходные результаты по бенчмаркам и во внешних валидационных центрах.