🌟 IBM представила открытые модели Granite 4.2 Granite 4.2 - семейство языковых моделей под агентные сценарии и корпоративные задачи. Модели умеют рассуждать шаг за шагом - планируют, прежде чем действовать, взвешивают варианты, прежде чем выбрать путь, и ловят собственные ошибки до того, как те во что-то выльются. Версии - на 3, 8 и 30 миллиардов параметров с окном на 128K (для длинных контекстов до 512К). Архитектура dense, так что семейство зайдёт и для облаков, и для своих серверов, и под периферийные устройства. 🟡Обучение Первый этап, базовое RL-обучение, прошли все три модели. Он подтянул математику, науку, код, рассуждения и работу с инструментами, причем награду считали двумя способами сразу: где ответ можно проверить формально - проверяли, где нельзя - оценивали отдельной моделью-судьей. Модели на 8 и 30 млрд прошли еще и агентный этап, заточенный под корпоративные сценарии: разработку ПО, работу в терминале и поиск. Навыки кодинга и рассуждения обучали на триллионе токенов синтетического кода из собственного конвейера IBM CodeAlchemy.

Есть еще слой спекулятивного декодирования - модель угадывает продолжение наперед и проверяет траекторию ответа наперед вместо пословной генерации. Текст выходит быстрее, а серверы инференса тянут больше пользователей одновременно.

Семейство доступно везде: Hugging Face, Ollama, CoreWeave и еще на десятке площадок. 🟡 Распознавание речи Заодно IBM выпустила две речевые модели английского языка - Granite Speech 5.0 Turbo CTC и ее некоммерческую версию с индексом NC.

Скачок в нумерации с 4.1 сразу на 5.0 не случаен - это принципиально другая конструкция, чем была в 4-й серии.

В них всего 470 млн параметров и внутри нет языковой модели. Под капотом CTС (connectionist temporal classification) - способ сопоставлять звук с текстом без промежуточной разметки, и он особенно хорош на потоковом аудио.

В тестах IBM на одной H200 пропускная способность, RTFx, дошла примерно до 12 600. Нынешние лидеры публичного лидерборда Open ASR держатся около 6000.

Отдельно IBM снизила частоту дискретизации, и вот это дает главную цифру - три часа записи модель расшифровывает за секунды. 📌 Лицензирование: Apache 2.0 License 🟡Страница релиза 🟡Веса Granite 4.2 🟡Веса Granite Speech 5.0 @ai_machinelearning_big_data #AI #ML #LLM #ASR #Granite #IBM

Открытая MoE-видеомодель MAGI-2 Preview от Sand.ai Разработчики из Sand.ai выложили в открытый доступ веса и код инференса MAGI-2 Preview. Модель построена на single-stream архитектуре и генерирует 10-секундные ролики сразу вместе с синхронной аудиодорожкой. Внутри применили редкий для таких моделей fine-grained MoE. При суммарном объеме в 114B параметров на каждый токен активируется всего 6B. По объему вычислений на шаг это в разы легче плотного MiniMax H3 (33B), благодаря чему стоимость инференса упала в ~10 раз, а модель заскочила на 6 место в лидерборде Artificial Analysis. Сам пайплайн генерации двухстадийный. Сначала базовая модель генерирует видео в низком разрешении, а затем refiner апскейлит результат до 1080p. Пока это не конкурент MiniMax H3 в плане локальной доступности. Квантованный H3 влезает в одну карту на 24GB (RTX 3090/4090), тогда как для MAGI-2 нужно заметно больше ресурсов. Зато у облачных провайдеров за счет всего 6B активных параметров инференс по API будет значительно дешевле dense моделей, да и у такой архитектуры хороший потенциал для скейлинга. Техрепорт Код Веса @ai_newz

Глава Hugging Face: Китай может обогнать США в гонке ИИ благодаря открытым моделям Генеральный директор Hugging Face Клеман Деланг заявил, что Китай может выйти в лидеры в области искусственного интеллекта благодаря более открытому подходу к разработке и распространению ИИ-моделей. По его словам, именно открытая модель GLM-5.2 от китайской Z.ai помогла Hugging Face оперативно восстановить защиту после июльского инцидента, когда агент OpenAI вышел за пределы тестовой среды и атаковал платформу — закрытые модели нельзя было быстро адаптировать под задачу. https://hightech.plus/2026/08/04/glava-hugging-face-kitai-mozhet-obognat-ssha-v-gonke-ii-blagodarya-otkritim-modelyam

𝗦𝗲𝗻𝘀𝗲𝗡𝗼𝘃𝗮 𝗨1 𝗣𝗿𝗼 Эта китайская модель для генерации картинок уже мелькала в новостях. Но сейчас вышла версия V3 и там есть пара любопытных моментов. Up to 8𝗞 𝗻𝗮𝘁𝗶𝘃𝗲 𝗿𝗲𝘀𝗼𝗹𝘂𝘁𝗶𝗼𝗻 output Enables 𝘂𝗹𝘁𝗿𝗮-𝘄𝗶𝗱𝗲 and 𝘂𝗹𝘁𝗿𝗮-𝘁𝗮𝗹𝗹 image creation Модель редактирующая. А также есть специальная версия именно для текстов и инфографики. Правда примеры инфографики подозрительно желтят, так и хочется их присунуть в chatGPT и спросить, а не ты ли брат нагенерил это добро. Модель открытая, оформлена очень хорошо, есть GGUFs для 10-12 гиг врам, все подробности тут: https://github.com/OpenSenseNova/SenseNova-U1 Веса тут: https://huggingface.co/sensenova/SenseNova-U1-8B-MoT-Infographic-V3 https://modelscope.cn/models/SenseNova/SenseNova-U1-8B-MoT-Infographic-V3 Демо: https://huggingface.co/spaces/sensenova/sensenova-u1-infographic-v3 Разработчики честно пишут, что им надо еще поработать над анатомией, что бы это не значило. А еще у низ есть модель Vision: https://github.com/OpenSenseNova/SenseNova-Vision 𝗗𝗲𝘁𝗲𝗰𝘁𝗶𝗼𝗻/𝗢𝗖𝗥/𝗚𝗨𝗜 𝗗𝗲𝗽𝘁𝗵 & 𝗻𝗼𝗿𝗺𝗮𝗹 𝗦𝗲𝗴𝗺𝗲𝗻𝘁𝗮𝘁𝗶𝗼𝗻 𝗠𝘂𝗹𝘁𝗶-𝘃𝗶𝗲𝘄 @cgevent