Liquid AI представила LFM2.5-2.6B — агентную модель на 2,6 млрд параметров, которая полностью работает на устройстве: планирует действия, вызывает инструменты и выполняет многошаговые задачи без облачного API. Это важно для тех, кто хочет запускать ИИ-агентов локально, без затрат на облачную инфраструктуру и с сохранением приватности данных.

По тестам разработчика, модель по ряду задач на следование инструкциям и tool usei превосходит более крупные Gemma и Qwen, при этом потребляет менее 2,5 ГБ памяти на CPU.

Полный разбор →

Alibaba представила флагманскую модель Qwen3.8-Max — MoEi-модель на 2,4 трлн параметров (активируется около 95 млрд при каждом запросе), контекст — 1 млн токенов. Модель уже доступна в Qwen Chat и по API, а через неделю компания впервые откроет веса модели класса Max — вместе с более компактной Qwen3.8-27B. Это первый случай, когда Alibaba открывает веса модели уровня Max (по данным vc.ru).

Главный акцент — автономная агентная работа и мультимодальность: модель по заявлению компании способна вести длинные проекты почти без вмешательства человека (планирование, код, запуск инструментов, анализ обратной связи), а также нативно работать с изображениями внутри цикла «планирование — выполнение — проверка». По ряду бенчмарков она обгоняет GPT-5.6 Sol и Claude Fable 5, но в чистом программировании (DeepSWE, FrontierSWE) уступает Kimi K3, Fable 5 и GPT-5.6 Sol.

Полный разбор →

Сбер выложил в открытый доступ под лицензией MIT семейство моделей Kandinsky WM 1.0i — генератор обучающих видеороликов для роботов и беспилотных автомобилей. Технологию уже применяет собственный Центр робототехники Сбера и институт AIRI в своём дорожном симуляторе.

Это не полноценная нейросеть-симулятор реальности, как модели от Google и Nvidia, а инструмент для синтеза физически достоверных обучающих данных — решение критической проблемы: снимать вживую редкие и опасные сценарии (ДТП, экстремальную погоду, отказы оборудования) дорого и небезопасно.

Полный разбор →

Андрей Карпати (по данным vc.ru — «выходец из OpenAI») предложил новый способ оценивать возможности ИИ-моделей: не рисование пеликана на велосипеде в SVG, а генерацию целых интерактивных 3D-миров по литературным сюжетам. Он дал модели Opus 5i первый абзац «Властелина колец» с бюджетом в 1 млн токенов и попросил создать трёхмерную визуализацию на three.jsi.

За два часа Opus 5 написал 5500 строк кода, процедурно отрендеривших сюжет; звук для сцены сгенерировали через ElevenLabsi. Карпати считает, что старые тесты на пространственное мышление устарели — современные мультимодальные модели легко с ними справляются, а вот с генерацией целых миров по книгам и фильмам они пока справляются плохо.

ВыводГенерация сцены обошлась примерно в 10 долларов, по данным Machinelearning.

Полный разбор →

Команда Atomic Chati протестировала две модели — Qwen 3.8 Max и Fable 5 — на одинаковом задании: создать три автономных HTML-файла с интерактивными 3D-сценами, требующими точной физики, сохранения состояния объектов и синхронизации во времени. Qwen 3.8 Max справилась лучше и при этом обошлась почти в 7 раз дешевле в расчёте на запуск.

По оценке авторов теста, сцены Qwen получились качественнее и стабильнее, тогда как у Fable 5 местами ломалась логика объектов. Результат подан как показательный пример резкого разрыва в эффективности между моделями при сопоставимой сложности задачи.

ВыводЗадание включало три сцены: мраморные шарики поднимаются на колесо и проходят петлю, автомобильный конвейер и лесопилка, превращающая брёвна в доски

Полный разбор →