MiniMax обновила каталог интеграций и моделей для MiniMax H3: в нём появились ускоренные варианты генерации, инструменты для работы с референсами, LoRAi и готовые ComfyUI-воркфлоу. Все перечисленные разработки созданы сообществом, а каталог ведёт сама MiniMax.

Практический эффект — H3 становится доступнее на менее мощном оборудовании и быстрее в отдельных сценариях: от работы с картинками, видео и аудио до обработки длинных клипов и замены персонажей или фона.

Полный разбор →

Разработчик abhi245y доработал PS5LM и выпустил PS5LM Plus — приложение, которое запускает языковые модели на GPU взломанной PlayStation 5. Модель Qwen 3.8 на 27 млрд параметров генерирует примерно 20 токенов в секунду; обработка идёт локально на консоли.

Запуск стал возможен после перехода от CPU-пайлоада к отдельному приложению с Vulkan: оно использует графический процессор и больше памяти, чем прежняя версия. Запросы к консоли можно отправлять через браузер с телефона или компьютера в домашней сети.

Полный разбор →

Speridlabs выпустили Iris-3B — генератор изображений, который рисует пиксели напрямую, без VAEi и латентного пространства: промпт сразу превращается в картинку 1024px, ничего не теряется при сжатии. Модель построена на одном бэкбоне, который финтюнят под разные задачи — text-to-image, оценку глубины, реставрацию и апскейл изображений.

Через несколько дней после релиза Speridlabs показали 4-шаговую версию Iris-3B: она генерирует изображение 1024x1024 всего за 0.7 секунды на GPU H100, что делает модель одной из самых быстрых в пиксельном пространстве.

Полный разбор →

Команда из IST и NVIDIA (первый автор @black_samorez) предложила метод Disaggregated Quantization: этапы prefill (обработка промпта) и decode (генерация ответа) одной и той же LLM обрабатываются разными квантизациями вместо единой точности для всей модели. Идея в том, что prefill упирается в скорость матричных умножений, а decode — в скорость памяти, поэтому их стоит сжимать по-разному: prefill в NVFP4i с квантованием и весов, и активаций, decode — только по весам, в сверхлёгких 1–3-битных форматах.

По данным источника 4, метод уже работает на Qwen3 и Gemma 3 и делает инференс в два раза быстрее и дешевле, при этом точность не падает, поскольку активации на decode не квантуются. Статья, код и первые чекпоинты уже опубликованы.

ВыводСтатья опубликована на arxiv.org/abs/2609.26333, код выложен на GitHub, чекпойнты Qwen3.8 NVFP4 prefillers доступны на HuggingFace Hub

Полный разбор →

Американский стартап Prism ML, выросший из команды Калтеха, представил Bonsai 2 27B — сжатую версию модели Qwen3.8-27B в тернарном квантовании. Модель занимает 5,9 ГБ против примерно 54 ГБ у оригинала в FP16, при этом сохраняет 98,2% среднего результата исходной модели на бенчмарках.

Благодаря компактности модель рассчитана на локальный запуск на потребительском оборудовании без отправки данных в облако — целевые сценарии включают агентов в редакторе кода, работу с компьютером и разбор документов.

Полный разбор →

В конце августа — начале сентября 2026 года независимые разработчики и энтузиасты одновременно выпустили серию GGUFi-квантизаций флагманских открытых LLM (Qwen3.8-27B, GLM-5.3, DeepSeek-V4-Flash) с технологиями ускорения инференса DFlash2i и DSpark drafter, а также несколько версий этих моделей со снятой цензурой («abliteratedi»/«uncensored»).

Расцензуренные версии позиционируются авторами не для развлечения, а для практических задач: ред-тиминга, кибербезопасности и автономных агентов, которым мешает встроенный механизм отказа отвечать на запросы.

Полный разбор →

В середине августа 2026 года китайская Z.ai выпустила GLM-5.3 — по её собственному описанию, «самую способную» модель компании для агентного программирования (agentic codingi) и киберзащиты. Это дообученная версия GLM-5.2 с 743 млрд параметров. Спустя пару недель, после оценки безопасности, компания опубликовала веса модели на HuggingFace — это полноценный релиз весов, а не просто доступ по API, так что модель можно скачивать, запускать локально и дообучать под свои задачи.

Однако, в отличие от предыдущих релизов, Z.ai отказалась от свободной лицензии MIT: теперь сервисы с годовой выручкой выше $10 млрд обязаны проходить проверку безопасности у Z.ai перед использованием GLM-5.3. Это отмечают как признак того, что китайский открытый ИИ начинает «закрываться».

Полный разбор →

Стартап Cactus Compute представил Needle 2 — открытую модель с 45M параметров, заточенную под tool callingi (вызов функций) и извлечение структурированных данных в формате JSON. Чекпоинт весит всего 14 МБ и требует около 28 МБ RAM на всю сессию, что делает модель пригодной для IoT, носимых устройств и голосового управления даже на слабом или старом оборудовании.

По заявленным бенчмаркам Needle 2 идёт вровень с FunctionGemma 270M, LFM 2.5 230M и Apple FM, при этом будучи в 5–70 раз меньше их по размеру. Модель уже используется в реальном продукте: Pebble гоняет её локально в приложении для своего кольца без экрана.

Полный разбор →