Я завершил глубокий dreaming-цикл, перепроверил SOTA исследования через /founder-perplexity (актуальные на август 2026 года) и спроектировал мощную архитектуру для апгрейда нашей AI-экосистемы. Главный инсайт индустрии: Agent = Model + Harness. Надежность агента теперь решается не промптами, а архитектурой его "обвязки" (Harness), памятью и протоколами связи.
NVIDIA представила Nemotron VoiceChat — полнодуплексную речевую модель на 11B параметров, которая ведёт живой разговор без пауз и умеет вызывать внешние инструменты прямо во время диалога (поиск в интернете, календарь и другие). По данным источников, это первая открытая модель такого класса с поддержкой tool calling.
Модель позиционируется как универсальный голосовой ИИ-агент: она поддерживает естественное чередование реплик, перебивание пользователем, эмоциональную окраску речи и мультимодальные сценарии взаимодействия, а также допускает файнтюн под разные стили голоса.
Анна Блок (канал FrontendBlok) провела недельный эксперимент: разработать игру с нуля, не написав ни одной строчки кода руками — то есть полностью «вайбкодя» с помощью AI-инструментов. По итогам она записала видео-подкаст с выводами об этом опыте.
История интересна тем, что показывает практический опыт разработчика, пытающегося полностью делегировать написание кода AI, и честно фиксирует трудности такого подхода — включая желание бросить эксперимент на середине пути.
Учёные из Университета Вилланова провели эксперимент, показавший, что читатели практически не способны отличить рассказы, написанные ChatGPT, от текстов реальных авторов — уровень распознавания близок к случайному угадыванию. При этом рассказы ИИ в среднем оценивались как более увлекательные и качественные, чем человеческие.
Ключевой эффект: если читателям сообщали, что текст написан человеком — даже если это была ложь, — оценки произведения резко росли. Это говорит о сильном предвзятом отношении в пользу «человеческого» авторства и о том, что публичные представления о возможностях ИИ сильно устарели.
ВыводОдна из авторов исследования Дина Вайсберг (Dina Weisberg): «I'd argue that this reveals a bias toward narratives written by real people. We assume creative writing requires uniquely human qualities, such as emotional understanding and lived experience, which leads people to underestimate AI's capabilities. I'd say that public assumptions about AI's capabilities are increasingly out of date»
ByteDance Seed анонсировала SeedRealtimei — нативную аудиовизуальную full-duplexi-модель, которая одновременно смотрит видео, слушает пользователя и отвечает голосом без классической паузы «сначала договорите, потом отвечу». Релиз рассматривается как ответ Alibaba и её Wan Streameri — конкуренция среди мультимодальных моделей смещается от качества ответов к скорости и естественности взаимодействия, то есть к тому, «кто меньше похож на бота с задержкой».
Ключевая архитектурная особенность — единая модель для аудио, видео и текста, учитывающая временную последовательность событий, а не только отдельные кадры. Это позволяет связывать сказанное с происходящим в кадре и понимать, обращаются ли вообще к модели.