ИИ

Alibaba представила новую версию модели генерации изображений Qwen-Image 3.0. Главное отличие — длина промптiа выросла до 4500 токенiов (против 1000 у версии 2.0, то есть в 4,5 раза), что позволяет давать модели почти техническое задание с описанием структуры, текста, стиля и верстки. Модель научилась за один запрос собирать сложные инфографики, интерфейсы, газетные полосы, слайды, страницы научных работ с формулами и математические материалы.

Особое внимание уделили генерации мелкого текста — модель разборчиво рисует текст размером от 10 пикселей, поддерживает более 20 шрифтов и 12 языков (есть ли русский — неизвестно). Улучшили и фотореализм: передачу текстур кожи, тканей, пор и волосков. Однако релиз вышел без весов, кода, технического отчёта и независимых тестов — только черрипикиi от самой Alibaba, что нарушает традицию серии Qwen выпускать открытые веса и отчёт «день в день» с релизом.

Полный разбор →

Google готовит специализированный серверный ИИ-чип с внутренним названием Frozen v2i, в котором часть архитектуры модели Gemini будет аппаратно закреплена в кремнии, а не выполняться как обычная программа. По данным The Information, это должно дать в 6–10 раз больше обработанных токенов на единицу энергии по сравнению с нынешними TPUi и снизить дефицит вычислительных мощностей у Google. Первое развёртывание ожидается не раньше 2028 года.

Плата за эффективность — потеря гибкости: если ключевые элементы модели зафиксированы в кремнии, будущие версии Gemini должны сохранять совместимую архитектуру, а крупные изменения модели потребуют разработки нового чипа. Это ещё теснее свяжет модели Google и его инфраструктуру, и без того менее зависимую от Nvidia благодаря TPU.

ВыводЧип предназначен прежде всего для инференса — генерации ответов уже обученной моделью, а не для её тренировки.

Полный разбор →

SEO-специалист Дэвид Коницни обнаружил, что часть чатов пользователей китайского ИИ-бота DeepSeeki можно найти через поиск Google. Речь о диалогах, которые люди делились с помощью встроенной функции публичной ссылки, полагая, что доступ к ним получат только те, у кого есть эта ссылка.

Проблема оказалась массовой: Google проиндексировал такие переписки, и теперь любой может найти чужие разговоры с ботом через обычный поисковый запрос. О находке написали «Коммерсантъ» и РБК, позже новость подхватили ТАСС и профильные каналы.

Полный разбор →

ByteDance Seed представила Seed Audio 1.0 — аудиомодель, которая по одному промпту генерирует целую звуковую сцену: речь, атмосферу и звуковые эффекты одновременно. Доступ к модели открыт через платформу BytePlusi.

Модель ориентирована на озвучку, подкасты и дубляж: она позволяет жёстко задавать тайминг репликi с точностью до 100 мс и создавать голоса как по текстовому описанию, так и по аудио- или визуальному референсу.

Полный разбор →

Компания Poolside представила Laguna S 2.1 — MoEi-модель, ориентированную на кодинг и длительные агентные сценарии. По данным одного из источников, на Terminal-Bench модель показывает результат лучше, чем только что вышедшая Gemini Flash 3.6.

Модель компактна по вычислительным требованиям (запускается на одном DGX Sparki) при контексте до 1 млн токенов, что делает её привлекательной для локального и агентного использования разработчиками.

Полный разбор →