Релізи моделей і продуктів
Відкриті ваги Qwen-Image-2.1. Alibaba випустила Qwen-Image-2.1 — 7B-модель із відкритими вагами для генерації та редагування зображень, яка, за заявами, перевершує закриті моделі на власному бенчмарку. Вона нативно працює з прозорими RGBA-зображеннями та до 10 референсними зображеннями для редагування, але дослідницька ліцензія забороняє комерційне використання без дозволу.
Модель Gander від Tencent. Tencent представила Gander — дослідницьку модель, яка поєднує розмову в реальному часі з фоновими агентними завданнями. Для мовлення вона використовує «мозочок», а для складних задач — замінний «мозок». Вона підтримує переривання та одночасну обробку мовлення, зображень і тексту, хоча в тестах поступалася за точністю виконання завдань.
Runway: відео в реальному часі. Runway показала дослідження з генерації відео в реальному часі, де користувачі стрімлять відео й керують ним, поки вводять промпт, спираючись на свою світову модель GWM-1. Мета — скоротити час очікування та витрати на GPU, генеруючи кадри інтерактивно, а не одним батчем.
Інструменти та фреймворки
Google ADK для Kotlin. Google випустила ADK for Kotlin 1.0, довівши свій Agent Development Kit до паритету за функціями з Python і Java та додавши підтримку Android on-device і гібридного AI. Фреймворк має ієрархічну мультиагентну оркестрацію, компакцію контексту та керування сесіями.
OpenCodeReview від Alibaba. Alibaba відкрила вихідний код OpenCodeReview. Це CLI-інструмент під Apache-2.0, який поєднує детермінований вибір файлів і зіставлення правил з LLM-агентом для аналізу коду. Ним внутрішньо користуються десятки тисяч розробників; інструмент покликаний долати такі збої, як зсув номерів рядків і нестабільність промптів.
ZCode став open source. Платформа кодинг-агентів ZCode тепер у відкритому доступі — після усунення повідомлених проблем із безпекою. У репозиторії є десктопний застосунок, веб-воркспейс, бекенд, Agent CLI і рантайм, а також новий процес звітування про вразливості та винагороди.
System 1 і моделі рішень
Модель рішень Laya. Laya — це неавторегресивна модель «System 1» із відкритими вагами від Convai Innovations, яка відповідає на питання з типізованими рішеннями за один прямий прохід. Для неї є чекпойнти в англійському, багатомовному та typed-decisions варіантах. Реалізація на C++, laya.cpp, видає до 810 питань за секунду на RTX PRO 6000.
DIY-альтернативи Jev. Кілька проєктів відтворюють оцінювання рішень у стилі Jev на звичайних LLM із відкритими вагами: один дообучив Qwen3.5 4B через LoRA до 0,709 на typed-decisions, інші ж пакетно перевіряють кандидатів через llama.cpp або використовують n_predict=1 з logprobs. Ці підходи мають на меті досягти рівня Jev без окремих класифікаційних голів.
Локальні агенти та залізо
Агентний цикл Qwen 3.8 27B. Локальний агентний цикл на базі Qwen 3.8 27B працював переважно без нагляду близько трьох тижнів на одній RTX 3090 і будував CUDA-рушій для інференсу, отримавши лише 12 повідомлень від людини. На компакцію пішло 83 години, але запуск показав, що довготривала локальна агентна робота можлива, хай поки й без виграшу в продуктивності.
mini-AGI: безперервне навчання. mini-AGI — це модель безперервного навчання на 530 млн параметрів, натренована з нуля на ноутбуці з 8 ГБ VRAM за допомогою динамічного підходу mixture-of-experts і єдиного безперервного потоку даних. Це демонструє навчання споживчого масштабу з повним контролем над даними.
Kimi K3 на кластері GB10. Кластер із 16 вузлів GB10 запустив 2,8T-параметрну Kimi K3 від Moonshot AI з кастомними патчами рантайму, тримаючи близько 30 токенів/с у кодингу та пік 136 токенів/с за паралельних запитів. Знадобилися змінена топологія NCCL і мережа з двома комутаторами.
Головне з досліджень
Fuse: соціальні міркування. Fuse — це фреймворк мультиагентної симуляції для оцінювання того, як LLM-асистенти виводять соціальні мотиви з розповідей користувачів, і дає перевірювану ground truth через прихованих цільових агентів. Тести на 12 LLM показують, що посередництво користувача посилює складність, а моделі чутливі до упередженого фреймінгу.
StudentSim для AI-тьюторів. Дослідники з Microsoft і UIUC створили StudentSim — систему, яка генерує цифрових двійників студентів, що припускаються реалістичних помилок, аби пришвидшити вдосконалення AI-тьюторів без дорогих тестів із реальними студентами. Підхід створює окремих двійників із обмежених даних і має на меті прискорити розробку тьюторів.
Індустрія та політика
Дебати про безпеку AI. Даріо Амодей з Anthropic запропонував план, щоб «задати темп фронтиру», тоді як Дженсен Хуанг із Nvidia назвав страхи щодо AI перебільшеними й заявив, що ймовірність того, що AI покладе край світу, становить «0%». Цей розкол підкреслює незгоду серед лідерів індустрії, поки політики зважують регулювання.
AI Force Трампа. Президент Трамп анонсував плани створити «AI Force» і посаду «AI-царя», пообіцявши не стримувати розвиток AI та заявивши, що дата-центри приносять користь громадам. Його дописи з’явилися після попереджень лідерів AI про екзистенційний ризик і відображають дерегуляційний курс його адміністрації.
Позов щодо сповільнення AI. У позові стверджується, що Anthropic, OpenAI, SpaceXAI і Google уклали незаконну угоду про сповільнення AI. Деталей мало, але це додає юридичного тиску до дискусії про темпи розвитку фронтирного AI.
Anthropic відкладає IPO. Anthropic, за повідомленнями, переносить IPO з жовтня на листопад 2026 року; радники пояснюють це потребою показати сильні результати за третій квартал. Інвестори очікують оцінку близько $2 трлн і залучення до $100 млрд.
Це все за цей день – приблизно 5 хвилин читання.