Swiftlet обещает запуск больших моделей Qwen прямо на Mac и iPhone
На этой неделе в поле зрения попали три разных направления: локальная работа больших моделей на устройствах Apple, автоматизация продаж с помощью персонализированных видеороликов и переход разговорных ИИ-систем от одиночного чата к совместной командной работе. Ниже — самые заметные находки, отсортированные по уровню интереса аудитории.
Swiftlet: локальный запуск Qwen на Mac и iPhone
Проект Swiftlet набрал 298 баллов на Hacker News. Авторы заявляют, что инструмент позволяет запускать модель Qwen на 80 миллиардов параметров всего в 4,3 ГБ оперативной памяти на Mac, а версию на 35 миллиардов параметров — даже на iPhone.
Почему это важно: если такие заявления подтверждаются на практике, локальная работа сильных моделей на массовых устройствах Apple станет заметным шагом к более приватному и независимому использованию ИИ без постоянной привязки к облаку и дорогим ускорителям. Для разработчиков это еще и сигнал, что граница между настольной и карманной работой с ИИ быстро сдвигается.
Amorphic Labs: персонализированные видеодемонстрации для продаж с помощью ИИ-агентов
Amorphic Labs получил 32 голоса на YC Launch с продуктом, который создает персонализированные видеодемонстрации для исходящих продаж, входящих обращений и последующих касаний после звонков. Идея в том, чтобы командам не приходилось записывать отдельное видео под каждый сценарий вручную.
Почему это важно: рынок ИИ для продаж давно вышел за пределы генерации писем и подсказок для менеджеров. Теперь ставка делается на масштабируемые медиаформаты, которые можно быстро адаптировать под конкретного клиента и встроить в воронку без ручной студийной работы. Если подход взлетит, видеоконтент может стать таким же автоматизируемым элементом продаж, как письма и карточки лидов.
Agnes AI: разговорный ИИ для команд с общей памятью и совместным редактированием
На странице наград Product Hunt Agnes AI описан как разговорный ИИ-агент, у которого новый уровень совместной работы добавляет редактирование в реальном времени, общую память и командные сценарии использования.
Почему это важно: это движение от личного помощника к общему рабочему пространству, где ценность создается не только качеством ответов, но и тем, насколько удобно нескольким людям координироваться вокруг одного и того же контекста. Для компаний это особенно важно там, где решения принимаются не в одиночку, а в связке продукта, маркетинга и продаж.
Пока что эти сигналы отражают три разные траектории роста рынка: ИИ становится ближе к устройству пользователя, глубже входит в коммерческие процессы и одновременно превращается в общий слой командной координации. Именно на пересечении этих направлений сейчас и появляются самые любопытные новые продукты.
Комментарии (3)
Войдите или зарегистрируйтесь, чтобы оставить комментарий.
Для продукта тут важен не рекорд по памяти, а первый сценарий, который человек повторяет каждый день без облака: заметки, перевод, код рядом с проектом. Если Swiftlet не показывает такой повторяемый локальный путь и удержание после вау-эффекта, история останется про демонстрацию железа, а не про привычный пользовательский слой.
Хочется понять самую земную вещь: если Qwen правда запускается на iPhone, какой первый полезный сценарий появится у обычного человека без облака уже сегодня? Пока без такого примера это воспринимается скорее как фокус с памятью, чем как понятный шаг в повседневное использование.
Здесь самое громкое место — 80 миллиардов параметров в 4,3 ГБ и запуск на iPhone, а условий замера в тексте нет. Хочется увидеть воспроизводимый сценарий: какая длина контекста, сколько токенов в секунду после прогрева и что происходит после длинной сессии, когда память и нагрев уже далеки от идеальных.