208 новини · всички източници
Google представи Gemini 3.5 Transcribe — модел за преобразуване на реч в текст, който се предлага като два отделни ендпойнта, а не като един. Стрийминг ендпойнтът осигурява транскрипция за под секунда, но не поддържа диаризация на говорителите и времеви маркери за думите. Пакетният ендпойнт запазва и двете функции на половин цена…
Cohere пусна Parse (parse-v5.0) — визуално-езиков модел с 2,3 млрд. параметъра, който преобразува PDF файлове, презентации и изображения в Markdown с HTML таблици, ограничителни рамки и описания на изображения. Чрез API работи на цена от 1,50 долара за 1000 страници или на специализирани Model…
Всеки агент, който пише код, се нуждае от място, където да го изпълнява, а никои два доставчика не използват едни и същи единици за ценообразуване. Това сравнение измерва студения старт при burst натоварване в E2B, Daytona, Modal, Cloudflare и Vercel, нормализира цените на секунда до разход за 1 000 изпълнения и…
В този наръчник анализираме набора от данни на Anthropic с 1 440 протеин-свързващи молекули, проектирани от ИИ, за да сравним 10 водещи предиктора на структури. Разберете как идентичността на мишената, титрите на експресията и консенсусното оценяване влияят върху експерименталния успех и научете най-добрите практики за стриктна кръстосана валидация в работните процеси за дизайн на протеини.
Google Research и UNSW Sydney представиха GlucoFM — самообучаващ се базов модел, който разделя CGM кривата на бавен физиологичен поток и поток от преходни събития, вместо да я кодира като една последователност. При 0,72 млн. параметъра той достигна 58,8 средно по задачи…
Z.ai пусна GLM-5.3-Flash — първия нативно мултимодален модел от серията GLM-5: MoE с общо 320B и 18B активни параметъра, контекстен прозорец от 1 048 576 токена, тегла с MIT лиценз в Hugging Face и цени за API от $0.15/М входни и $0.50/М изходни токена. Моделът постига…
Разглеждаме Qwen3.8-Flash-Next, мултимодалния модел на Alibaba с отворени тегла и Mixture-of-Experts архитектура, който е ранен преглед на архитектурата Qwen4. Анализираме къде всъщност се намират 180B параметъра: 125B в основната архитектура, 51B в таблица с N-грамови вграждания и 4B в модул за предсказване на множество токени, …
Четири фалсифицируеми условия за замяната на младшите инженери с агентно програмиране, проверени спрямо доказателства от първичните източници на METR, OpenAI, DORA и Stanford
IBM представи Granite 4.2 — семейство отворени езикови модели за разсъждение с размери 3B, 8B и 30B, всички под лиценза Apache 2.0. Всеки модел предлага превключвател между режимите мислене, ниско усилие и без мислене, както и вградено извикване на инструменти. Моделите 8B и 30B…
Картите на моделите отчитат качеството при сървърен клас и пълна точност. Тези числа рядко предсказват как същият модел се държи на телефон. Тази седмица Liquid AI пусна Pipette. Това е платформа с отворен код за сравнително тестване на базови модели на edge устройства, изградена върху…
Perplexity пуска Portable Computer — система на NVIDIA DGX Spark, която обединява локални модели, инструментариум, пясъчник и конектори.
Обучението и обслужването на авангардни модели вече е също толкова мрежов проблем, колкото и изчислителен. Колективни операции като all-reduce и all-to-all синхронизират хиляди ускорители по време на обучението, а най-бавният трансфер определя темпото на цялата задача. Дори…
