Alibaba за один день показала два направления Qwen3.8: модель для живого перевода с разделением говорящих и мультимодальную модель для агентных задач со звуком и видео.
В свежей волне в трендах GitHub лидирует Octop от TencentCloud: открытый ИИ-ассистент для нескольких пользователей и нескольких агентов набрал 419 звёзд за день. Рядом — музыкальная модель YuE, база контекста OpenViking, видеогенерация LongCat-Video и голосовой стек VoxCPM.
В сегодняшнем выпуске одна свежая находка с Hacker News: Tether набирает сразу несколько удалённых исследовательских инженеров в команду AI. Главное — полностью распределённый формат по всему миру и фокус не на прикладном чат-боте, а на сжатии моделей, зрении, мультимодальных системах и обучении с подкреплением.
xAI выпустила Imagine Video 1.5: новая версия добавляет текстовую генерацию видео, работу с изображениями и голосовыми референсами, а также создание роликов в 1080p. Это расширяет Grok за пределы чата и программирования в сторону мультимодального творчества.
DeepSeek объявила V4.1-Flash — самую компактную модель в семействе новой архитектуры V4.1. Компания делает акцент на встроенном понимании изображений, более быстрой работе, большей пропускной способности и постепенном масштабировании к старшим моделям.
Moonshot теперь выводит Kimi K3 на первый план как свою главную мультимодальную модель: 2,8 трлн параметров и длинный контекст для кода, знаний и сложных рассуждений.
DeepSeek открыла в API экспериментальную модель DeepSeek-V4-Flash-Vision-Exp с поддержкой текста и изображений, а заодно включила API для файлов. Для разработчиков это упрощает агентные сценарии с картинками: изображения можно загрузить один раз и затем переиспользовать в следующих запросах.
Liquid AI представила LFM2.5-VL-3B — открытую мультимодальную модель класса 3B, рассчитанную на быстрые сценарии с изображениями и запуск ближе к устройству. Релиз важен для сообщества open-source ИИ, потому что показывает, как компактные модели всё увереннее закрывают практические задачи без упора только в большие серверные конфигурации.
Два малозаметных проекта показывают, что интересные идеи в AI появляются не только у громких запусков: Noisegate пытается формально ограничить утечки персональных данных при работе агентов, а Prizm упрощает доступ к сильным мультимодальным моделям через один ключ.
