208 новини · всички източници
Този урок предоставя пълно ръководство за програмиране на Jev от TypeSafe AI — модел System One, предназначен за нетекстови структурирани преценки. Той обхваща инсталирането на официалния Python SDK, използването на примитивни типове въпроси (Choice, Score, Noul), реализирането на спекулативно разклоняване, маршрутизиране, управлявано от увереността, и…
Google пусна Gemini 3.8 Flash TTS и Flash-Lite TTS — 2 нови модела за преобразуване на текст в реч, които вече са достъпни чрез Gemini API и Google AI Studio. Flash TTS създава нови гласове по подкани на естествен език на над 100 езика. Моделът заема №1 в…
NVIDIA пусна Nemotron 3 Diarization — модел за диаризация на говорители с отворени тегла в Hugging Face. Той отговаря на един въпрос за всеки разговор: кой кога е говорил. Моделът с 100 млн. параметъра проследява до 8 говорители, включително при припокриване на гласове. Една контролна точка обработва и двете…
Екипът за приложни изследвания на Nokia публикува с отворен код AnyJev, Python библиотека, която превръща отворен LLM в модел за вземане на решения. Тя не изисква обучение. Насочена е към честа производствена задача: избор на един отговор от фиксиран набор, вместо писане на…
Kyutai пусна Voice of Reason — 2 модела с отворени тегла за преобразуване на реч в реч, изградени върху GLM-4-Voice-9B. Надзираното дообучаване и обучението чрез подсилване повишават точността при устно зададени задачи GSM8K от 27,3% на 77,1%. Няма стъпка за транскрипция и в процеса не участва текстов LLM. И двата чекпойнта…
OpenAI пусна GPT-6 Sol и GPT-6 Luna — два по-евтини модела, обучени с методи, подобни на тези при GPT-6 Astra. Sol струва $2/$10, а Luna — $0,10/$0,50 за 1 млн. токена. И двата вече са налични в API, ChatGPT Work и Codex. Те идват…
Гласовото въвеждане на телефони е решено от години. Нерешен остава изходът. Говорите в повечето инструменти за диктовка и получавате обратно точно това, което сте казали — включително паразитни думи и недовършени фрази — в бележка, която после…
Гласовото въвеждане в телефоните е решено от години. Нерешен остава резултатът. Кажете нещо в повечето инструменти за диктовка и ще получите точно това, което сте казали — включително паразитни думи и недовършени фрази — в бележка, която после…
Anthropic пусна Claude Opus 5.5 — първия модел от новото семейство Claude 5.5. Екипът заявява, че той се представя на нивото на Claude Fable 5.1 при повечето задачи. Работата му струва и 40% по-малко в сравнение с Opus 5…
Изследователи на NVIDIA публикуваха SoL-Pi — 4 механизма за обвивка на отворения кодиращ агент Pi, открити от ИИ, който е изпълнявал цикли за автоматизирани изследвания в 535 среди. При EdgeBench SoL-Pi намалява токенния трафик с 44,7% до 49,0%, а разходите за API — с приблизително 33%,…
SpaceXAI пусна Grok 4.7, новия си водещ модел за програмиране, агентни задачи и работа със знания. Grok 4.7 е изграден върху по-голям базов модел и по-дълъг процес на обучение с подсилване. Той се предлага на същата цена и със същата скорост…
Много разработчици установяват, че дадена идея за агент работи в Claude Code или Codex, но среща трудности, когато я изградят наново със собствен цикъл. Екипът Strands Agents на AWS се стреми да запълни тази празнина със Strands Harness — напълно сглобена, универсална…
