242 новостей · все источники
NVIDIA выпустила Nemotron 3 Diarization — модель диаризации говорящих с открытыми весами на Hugging Face. Она отвечает на один вопрос о любом разговоре: кто и когда говорил. Модель со 100 млн параметров отслеживает до 8 говорящих, в том числе при наложении голосов. Одна контрольная точка обрабатывает оба…
Команда прикладных исследований Nokia открыла исходный код AnyJev — библиотеки Python, превращающей открытую LLM в модель принятия решений. Обучение не требуется. Библиотека предназначена для типичной производственной задачи: выбора одного ответа из фиксированного набора вместо написания…
Kyutai выпустила Voice of Reason — 2 модели с открытыми весами для преобразования речи в речь, созданные на базе GLM-4-Voice-9B. Дообучение с учителем и обучение с подкреплением повысили точность решения устно сформулированных задач GSM8K с 27,3% до 77,1%. Этап транскрибации отсутствует, текстовая LLM в процессе не используется. Оба чекпойнта…
OpenAI выпустила GPT-6 Sol и GPT-6 Luna — две более дешёвые модели, обученные с использованием методов, аналогичных GPT-6 Astra. Sol стоит $2/$10, а Luna — $0,10/$0,50 за 1 млн токенов. Обе модели уже доступны в API, ChatGPT Work и Codex. Они поставляются…
Голосовой ввод на телефонах решён уже много лет. Нерешённым остаётся вывод. Говорите в большинстве инструментов для диктовки — и получаете обратно ровно то, что сказали, включая слова-паразиты и ложные начала, в заметке, которую затем…
Голосовой ввод на телефонах решён уже много лет. Но вывод по-прежнему остаётся нерешённой задачей. Продиктуйте текст в большинстве инструментов для диктовки — и получите ровно то, что сказали, включая слова-паразиты и фальстарты, в заметке, которую затем…
Anthropic выпустила Claude Opus 5.5 — первую модель нового семейства Claude 5.5. В компании заявляют, что по большинству задач она работает на уровне Claude Fable 5.1. Эксплуатация модели также обходится на 40% дешевле, чем Opus 5…
Исследователи NVIDIA представили SoL-Pi — 4 механизма обвязки для Pi, опенсорсного кодирующего агента, выявленные ИИ, который проводил циклы автоматизированных исследований в 535 средах. В EdgeBench SoL-Pi сокращает трафик токенов на 44,7–49,0%, а затраты на API — примерно на 33%,…
SpaceXAI выпустила Grok 4.7, свою новую флагманскую модель для программирования, агентных задач и работы со знаниями. Grok 4.7 построена на более крупной базовой модели и более длительном цикле обучения с подкреплением. Она по-прежнему предлагается по той же цене и с той же скоростью…
Многие разработчики обнаруживают, что идея агента работает в Claude Code или Codex, но испытывает трудности после повторной реализации с собственным циклом. Команда Strands Agents в AWS стремится устранить этот разрыв с помощью Strands Harness — полностью собранного универсального…
Команда Qwen компании Alibaba выпустила Qwen-Image-2.1 — диффузионный трансформер на 7B параметров, поддерживающий генерацию изображений по тексту, редактирование с несколькими референсами и нативную прозрачность RGBA в одном чекпойнте. Префиксный KV-кэш ускоряет редактирование с использованием до 10 референсных изображений. Веса опубликованы,…
Мы клонировали один 10-секундный голос на 7 платформах и составили рейтинг по референсной аудиозаписи, согласию, лицензированию и стоимости.
