Сбер опубликовал в открытом доступе алгоритм KVAE-Audio, предназначенный для эффективного сжатия аудиоданных с коэффициентом 960x. Разработка оптимизирует процесс обучения диффузионных моделей и обеспечивает более высокое качество генерации звука по сравнению с аналогичными решениями от Sony, Meta и Stability AI. Новый токенизатор решает проблему компактности данных, что позволяет повысить эффективность работы генеративных нейросетей.
Компания Sakana AI представила мультиагентный оркестратор Fugu Ultra, предназначенный для распределения сложных задач между различными LLM. Анализ показал, что система демонстрирует высокие результаты в задачах по программированию, однако значительно уступает топовым моделям, таким как Claude 3 Opus, по показателям скорости. Эксперты отмечают, что текущая реализация Fugu Ultra является экономически невыгодной для масштабируемого бизнеса из-за высокой стоимости использования при сопоставимой с frontier-моделями эффективности.
Проект OpenClaw представил официальные мобильные приложения для iOS и Android, позволяющие пользователям управлять локальными ИИ-агентами со смартфона. Решение обеспечивает интеграцию с функциями устройства, включая камеру и календарь, а также поддерживает голосовое общение через защищенный шлюз. Платформа ориентирована на приватность и работу с собственными серверами, однако пользователи отмечают наличие ошибок и недоработок в текущей версии ПО.
Anysphere выпустила публичную бета-версию нативного приложения Cursor для iPhone. С телефона можно запускать облачных агентов, управлять ими через Remote Controli над агентом, работающим на компьютере, и передавать задачи между локальной машиной и облаком.
Приложение ориентировано на оперативные сценарии — дежурство, разбор багов клиентов, правки по жалобам из соцсетей — а не на длинные творческие задачи. Идея в том, чтобы поставить задачу агенту, например, из спортзала, и получить готовый пул-реквест по дороге домой.
Компания Meta Research анонсировала Brain2Qwerty v2 — неинвазивную технологию, преобразующую сигналы мозга в текст с помощью магнитоэнцефалографии (MEG). Система использует комбинацию энкодера, выравнивателя и LLM для декодирования активности мозга в реальном времени. Разработка рассматривается как перспективный интерфейс мозг-компьютер для помощи людям с нарушениями речи. На текущем этапе технология ограничена лабораторным оборудованием, а показатели точности в разных источниках варьируются от 61% до 78%.
Яндекс Браузерi добавил функцию перевода видео с сохранением оригинального голоса и интонации говорящего для семи новых языков: итальянского, испанского, французского, китайского, японского, корейского и немецкого. Ранее такая возможность была доступна только для английского языка.
Обновление позволяет смотреть иностранный контент — обзоры гаджетов, интервью спортсменов, ролики шеф-поваров — с переводом, который звучит естественно и передаёт манеру речи оригинального спикера, а не просто закадровым переводом.