DeepSeek-V4.1-Flash ve vLLM: kde se vzala 5,3× vyšší propustnostInferact a komunita vLLM popsaly tři týdny optimalizací servingu DeepSeek-V4.1-Flash, které zvýšily výkon na benchmarku AgentX až 5,3×.13. října 2026DeepSeekvLLMoptimalizace
GLM-5.3 skládal funkční exploity, jeho ochrany šlo obejítGLM-5.3 se v testech přiblížil Claude Mythos Preview, dokázal skládat funkční exploity a jeho ochrany šlo obejít. Výsledky jsou vážný signál, ale také argument firmy prosazující kontrolovaný přístup k modelům.5. října 2026AIbenchmarkbezpečnost
GPT-6 Astra uspěl s mísou, u puzzle se zasekl jako FableV testu Robocurve zvládl model Astra 19 z 20 pokusů s blokem, ale u přesnějšího puzzle uspěl jen dvakrát stejně jako Fable 5.1.6. září 2026GPT-6 Astrarobotikabenchmark
GLM 5.2 překonává Claude Code v IDOR benchmarku SemgrepuSemgrep uvádí, že open-weight model GLM 5.2 dosáhl 39% F1 skóre na jejich IDOR benchmarku a v daných podmínkách překonal konfigurace Claude Code. Zároveň ale zaostal za účelově postavenou multimodální pipeline Semgrepu.29. června 2026AIdetekce zranitelnostíbenchmark
Antigravity 2.0 uspěl v OpenSCAD LLM benchmarku s PantheonemBenchmark OpenSCAD LLM ukazuje, jak si různé AI nástroje poradily s generováním modelu Pantheonu a proč textová CAD reprezentace dobře sedí jazykovým modelům.22. května 2026OpenSCADAIarchitektura