Sakhanda Wire
NVDA $154.93 -0.77% MSFT $505.37 -2.44% GOOGL $279.95 -1.33% META $618.13 -1.32% AMZN $257.42 -0.13%

MarkTechPost

396 новини · всички източници

MarkTechPost

Jev 1.14 добавя изображения, рамки и по-дълъг контекст

TypeSafe AI пусна Jev 1.14 — нова версия на своя типизиран модел за решения System One — под алиаса jev-preview. Моделът връща типизирани отговори като Choice, Score или Noul, както и вероятности и оценка на увереността, вместо генериран текст. Версията е достъпна единствено през хоствания API на TypeSafe, а броят на параметрите не е обявен.

MarkTechPost

SpaceXAI представи Grok Voice 3.0 за гласови агенти

SpaceXAI представи Grok Voice 3.0 — модел за преобразуване на реч в реч, който слуша, разсъждава, използва инструменти и отговаря с глас. Той се предлага единствено чрез хоствания Voice Agent API на компанията, под името grok-voice-3.0 в WebSocket крайната точка /v1/realtime. Алиасът grok-voice-latest вече сочи към новата версия, а Grok Voice 2.0 е обявен за остарял. SpaceXAI не е публикувала броя на параметрите или архитектурни подробности.

MarkTechPost

Datalab представи отворен OCR бенчмарк с 16 288 теста

Datalab представи OmniParseBench — отворен бенчмарк за парсери на документи. Той оценява резултатите чрез 16 288 теста с отговор да или не, обхващащи 2 937 страници от 2 343 документа на 92 езика. Наборът от данни и кодът са публични. Целта е да се покаже как даден парсер се справя с конкретни характеристики на документите, а не само да се подреди в обща класация.

MarkTechPost

Fish Audio представи отворения модел за синтез на реч Drama 3

Fish Audio пусна Drama 3 — модел за текст-към-реч с архитектура mixture-of-experts, общо 35B параметъра и около 3B активни параметъра за токен. Той преобразува сценарии и инструкции на естествен език в изразителна реч. Указанията могат да се отнасят само до избрани думи, а системата поддържа 83 езика и до 16 говорещи в една заявка чрез отделни гласови идентификатори.

MarkTechPost

Bifrost оглави класация на AI шлюзове за 2026 г.

Преглед на девет AI шлюза за 2026 г. поставя Bifrost на първо място сред решенията за самостоятелно хостване. Следват Portkey, LiteLLM, Kong AI Gateway, TrueFoundry, Cloudflare AI Gateway, Vercel AI Gateway, OpenRouter и Orq.ai Router. Оценката обхваща производителност, поддръжка на доставчици и модели, управление, варианти за внедряване, ценообразуване и рискове за доставчика и веригата на доставки.

MarkTechPost

Liquid AI пусна 24B MoE модел за локални AI агенти

Liquid AI представи LFM2.5-24B-A2B — модел с отворени тегла, предназначен за текстово разсъждение и агенти, работещи на лаптопи, компютри и миникомпютри. Моделът Mixture-of-Experts има общо 24B параметъра, но активира около 2B за всеки токен; в моделната карта са посочени точно 2.45B. Контекстът му е 131 072 токена, а това е най-големият и последен модел от серията LFM2.5.

MarkTechPost

Google пусна Gemini 4 Argon с лимит от 1 милион изходни токена

Google DeepMind направи Gemini 4 Argon общодостъпен за разработчици, предприятия и платени абонати на Gemini чрез Gemini API, AI Studio и платформата Gemini. Моделът е разредена смес от експерти и е предназначен за продължителни многостъпкови задачи в програмирането, финансите, правото, науката и киберсигурността. Google го представи първоначално на 30 септември за ограничена група защитници на киберсигурността.

MarkTechPost

Meta пусна моделите Muse Wonder за продължителни AI агенти

Meta пусна Muse Wonder и Muse Wonder Full — модели за продължителна работа на AI агенти по задачи като програмиране, правни и финансови дейности и използване на компютър. И двата модела имат контекст от 1 милион токена и приемат текст, изображения, видео и аудио, като генерират текст. Работят само в облака на Meta чрез Meta Model API или командния инструмент Muse Code.

MarkTechPost

Урок разглежда решаващите алгоритми и проверките на Meta Rebalancer

Програмен урок разглежда Meta Rebalancer — решаващ инструмент за разпределяне на задачи в центрове за данни. Реализацията съчетава ядро на C++ с Python обвивка и представя основните елементи за описание на моделите: обекти, контейнери, измерения, обхвати и дялове. Показано е и как се добавят ограничения и се подреждат приоритети на целите.

MarkTechPost

Z.ai представи GLM-Legal за агентна юридическа работа

Z.ai пусна GLM-Legal — специализиран за правни задачи модел, изграден върху GLM-5.3-Flash. Той е предназначен за преглед на договори, анализ на доказателства и проучвания за съответствие. Базовият модел разполага с общо 320B параметъра, 18B активни параметъра, контекст от 1M токена и максимален изход от 128K токена. Отделен брой параметри за GLM-Legal не е обявен.

MarkTechPost

Екипът Qwen представи QwenGyre за обучение на дългосрочни агенти

Екипът Qwen на Alibaba представи QwenGyre — система за онлайн обучение с подсилване на кодиращи агенти при задачи, които могат да продължат часове и да обработят близо 1M токена. Това е рамка за обучение, а не модел, и работи с непроменени, черни тестови среди. Изпитванията са проведени с Qwen 3.6 122B и Qwen 3.8 2.4T, при около 700K токена на изпълнение.

MarkTechPost

Дванадесет AI инструмента предлагат превод на реч в реално време

Сравнение на 12 инструмента за превод на живо разглежда заявените от доставчиците езици, латентност, платформи и цени, проверени в официални продуктови и документационни страници. Обикновено тези услуги съчетават разпознаване на реч, машинен превод и преобразуване на текст в реч, за да показват надписи или да възпроизвеждат преведен звук по време на разговора.