242 новин · усі джерела
NVIDIA випустила Nemotron 3 Diarization — модель діаризації мовців із відкритими вагами на Hugging Face. Вона відповідає на одне запитання про будь-яку розмову: хто й коли говорив. Модель зі 100 млн параметрів відстежує до 8 мовців, зокрема коли голоси накладаються. Одна контрольна точка обробляє обидва…
Команда прикладних досліджень Nokia відкрила вихідний код AnyJev — бібліотеки Python, що перетворює відкриту LLM на модель ухвалення рішень. Навчання не потрібне. Вона призначена для поширеного виробничого завдання: вибору однієї відповіді з фіксованого набору замість написання…
Kyutai випустила Voice of Reason — 2 моделі з відкритими вагами для перетворення мовлення в мовлення, побудовані на базі GLM-4-Voice-9B. Доопрацювання з учителем і навчання з підкріпленням підвищили точність розв’язання усно сформульованих задач GSM8K із 27,3% до 77,1%. Етап транскрипції відсутній, а текстова LLM у процесі не використовується. Обидва чекпойнти…
OpenAI випустила GPT-6 Sol і GPT-6 Luna — дві дешевші моделі, навчені за допомогою методів, подібних до GPT-6 Astra. Sol коштує $2/$10, а Luna — $0,10/$0,50 за 1 млн токенів. Обидві моделі вже доступні в API, ChatGPT Work і Codex. Вони виходять…
Голосове введення на телефонах вирішене вже багато років. Невирішеним залишається виведення. Ви говорите в більшості інструментів для диктування — і отримуєте назад саме те, що сказали, включно зі словами-паразитами та хибними початками, у нотатці, яку потім…
Голосове введення на телефонах вирішене вже багато років. Але результат досі залишається невирішеною проблемою. Продиктуйте текст у більшості інструментів для диктування — і отримаєте саме те, що сказали, зокрема слова-паразити та невдалі початки, у нотатці, яку потім…
Anthropic випустила Claude Opus 5.5 — першу модель нового сімейства Claude 5.5. У компанії заявляють, що за більшістю завдань вона працює на рівні Claude Fable 5.1. Її експлуатація також коштує на 40% дешевше, ніж Opus 5…
Дослідники NVIDIA випустили SoL-Pi — 4 механізми обв’язки для відкритого кодера Pi, виявлені ШІ, який проводив цикли автоматизованих досліджень у 535 середовищах. У EdgeBench SoL-Pi скорочує трафік токенів на 44,7–49,0%, а витрати на API — приблизно на 33%,…
SpaceXAI випустила Grok 4.7, свою нову флагманську модель для програмування, агентних завдань і роботи зі знаннями. Grok 4.7 побудована на більшій базовій моделі та довшому циклі навчання з підкріпленням. Вона й надалі постачається за тією самою ціною та з тією самою швидкістю…
Багато розробників виявляють, що ідея агента працює в Claude Code або Codex, але починає давати збої, коли вони відтворюють її за допомогою власного циклу. Команда Strands Agents в AWS прагне усунути цю прогалину за допомогою Strands Harness — повністю зібраного універсального…
Команда Qwen компанії Alibaba випустила Qwen-Image-2.1 — дифузійний трансформер на 7B параметрів, що підтримує генерацію зображень із тексту, редагування з кількома референсами та нативну прозорість RGBA в одному чекпойнті. Префіксний KV-кеш пришвидшує редагування з використанням до 10 референсних зображень. Ваги опубліковано,…
Ми клонували один 10-секундний голос на 7 платформах і склали рейтинг за референсним аудіо, згодою, ліцензуванням і вартістю.
