Perplexity використовує SFT із подальшим RL із моделями Qwen3.5, застосовуючи багатокроковий набір даних для QA та перевірки за рубрикою, щоб підвищити точність і ефективність пошуку, досягаючи рівня FRAMES найвищого класу. Анотація: Робочий процес пост-тренування Perplexity для агентів веб-пошуку поєднує контрольоване донавчання (SFT) для забезпечення дотримання інструкцій і мовної узгодженості з онлайн підкріплювальним навчанням (RL) через алгоритм GRPO. Етап RL використовує власний багатоходовий верифікований датасет запитань-відповідей і розмовні дані на основі рубрики, щоб запобігти дрейфу SFT, із обмеженням винагород і штрафами за ефективність у межах групи. Оцінювання показує, що Qwen3.5-397B-SFT-RL досягає найвищих показників FRAMES: 57,3% точності за одного виклику інструмента та 73,9% за чотирьох викликів при $0,02 за запит, випереджаючи GPT-5.4 і Claude Sonnet 4.6 за цими метриками. Ціноутворення базується на API і не включає кешування.

Офіційний акаунт Dark Side of the Moon привітав Cursor із випуском Composer 2 і розкрив авторизовану співпрацю з Kimi K2.5. Співзасновник Cursor підтвердив використання базису Kimi, наголосивши на технічних деталях і структурі моделі. Обидва засновники взнали, що чинність не здійснили вказання джерела базису, і це була помилка, яку вони усунуть під час наступного випуску. Елон Маськ також взяв участь у дискусії, що підвищило увагу до теми.

Розробники виявили, що Cursor випустив модель Composer 2 з ID моделі Kimi K2.5, та висунули звинувачення у неповажанні ліцензії та неоплаті комісійних. Представник Moon Chill заявив, що після тестування було підтверджено відповідність його Kimi tokenizer, звинувачуючи Cursor у неупомінанні Kimi K2.5. Cursor донині не надав відповіді.

Gradient випустила Echo-2 — розподілений фреймворк для навчання з підкріпленням, який шляхом розділення Learner та Actor значно знижує вартість тренування великих моделей — з 4500 доларів до 425 доларів. Він використовує технологію розділення обчислень і пам’яті, реалізує асинхронне навчання та підвищує ефективність тренування, одночасно зберігаючи точність моделі. Крім того, Gradient запустила платформу RLaaS Logits, яка вже відкрита для запису студентів та дослідників.

Механізм Капітал партнер Ендрю Канг прогнозує, що у 2025 році у галузі робототехніки подолаються виклики архітектури моделей і тренування, що дозволить компаніям з ШІ здійснювати масштабне збирання даних і досягати понад 99% успіху. Прогрес у технологіях пам’яті та моделях віртуального позиціонування значно покращить розуміння простору та обробку даних, а також передбачає, що до 2026 року обсяг даних фізичних ШІ збільшиться у 100 разів.

Децентралізація AI протокол Prime Intellect запустив гібридну експертну модель INTELLECT-3 з 106B параметрами, яка базується на GLM 4.5 Air Base моделі та використовує SFT і RL для навчання. Prime Intellect цього року в березні завершив фінансування в 15 мільйонів доларів.