Sakhanda Wire
NVDA $152.56 -2.29% MSFT $505.79 -2.36% GOOGL $279.70 -1.42% META $618.14 -1.32% AMZN $256.03 -0.67%

MarkTechPost

396 новини · всички източници

MarkTechPost

TokenEconomizer намалява разходите на кодиращи агенти

Изследователи от Microsoft Research и UC Berkeley представиха TokenEconomizer — проект с отворен код за ограничаване на разходите при кодиращи агенти. Плъгинът не променя кода или теглата на използвания агент и работи с Claude Code, Codex, GitHub Copilot CLI и Pi на машина с Python 3.10 или по-нова версия. Не са нужни GPU или собствен API ключ.

MarkTechPost

Четири AI агента за сигурност използват общ модел за проверка

Anthropic, OpenAI, Cloudflare и Google пуснаха AI агенти, които търсят уязвимости в изходния код. Системите следват сходен процес: едни агенти разследват потенциален проблем, независим агент се опитва да го опровергае, а само потвърдените резултати стигат до доклад или поправка. Екипът по сигурността на Google предупреждава, че непровереното сканиране с AI може да има дял на правилните попадения под 7%, което увеличава разходите за преглед.

MarkTechPost

Samaya AI представи Sterling за по-евтино финансово проучване

Samaya AI представи Sterling — агентен модел за финансови проучвания. Той е дообучена с LoRA версия на NVIDIA Nemotron 3.5 Lightning, смесен експертен модел с общо 30B параметъра, от които 3B са активни. Sterling планира изследването, използва финансови инструменти, събира доказателства и предава резултатите на отделен модел за изготвяне на доклад.

MarkTechPost

Edge0 представи модел за клониране на глас с 0.6B параметра

Edge0 представи Audio8-TTS-Realistic — модел за синтез на реч с отворени тегла, предназначен за клониране на глас без предварително обучение за конкретния говорител. За възпроизвеждане на глас са достатъчни един референтен запис и неговият транскрипт, а моделът може да генерира реч и без референтен глас. Той поддържа 23 езика, включително 12 нови, и се разпространява заедно с кода под лиценз Apache 2.0. Пакетът включва токенизатор, процесор, потребителски код и невронен аудиокодек с честота 44,1 kHz.

MarkTechPost

Joey-1 излиза като 2B модел за евтина класификация

Baseten представи joey-1 — модел с 2B параметра и отворени тегла, разработен от изследователския екип Base Labs. Вместо свободно генериран текст той връща етикет и калибрирана вероятност. Моделът поддържа въпроси с избор, отговори „да/не“ и подредени нива на оценка, като приема текст или изображения. Насочен е към високонатоварено маршрутизиране, класификация и проверки на защитни ограничения.

MarkTechPost

Prime Mega MoE добавя обратен проход за обучение на MoE модели

Prime Intellect представи Prime Mega MoE — разширение за обучение върху слетия Mega MoE kernel на DeepSeek. Първоначалната реализация изпълняваше само правия проход, докато новият припокриващ се обратен проход позволява ядрото да се използва при обучение. То е достъпно като dispatch backend mega_moe в prime-rl.

MarkTechPost

Infini-AI-Lab представи отворената рамка за AI агенти Hermit

Infini-AI-Lab представи Hermit — Python рамка с лиценз Apache-2.0 за адаптиране на AI агенти, без промени по базовия модел или използвания хaрнес. Версия 0.1.0 е публикувана на 25 октомври 2026 г., а постдокторантът от CMU Haizhong Zheng обяви проекта на 27 октомври. Външният адаптер може да включва инструкции, умения, памет, инструменти, изпълним код и логика за координация между агенти.

MarkTechPost

Block представи Dessa, модел за двупосочна реч само с аудио

AI лабораторията на Block представи Dessa като изследователска демонстрация на модел за преобразуване на реч в реч. Системата приема и генерира аудио едновременно, като може да слуша, докато говори. Според Block тя е обучена единствено с аудиозаписи на човешки разговори, без текстови данни и без предварително обучени модели.

MarkTechPost

AssemblyAI пусна TTS-1 за гласови агенти в реално време

AssemblyAI направи AssemblyAI-TTS-1 общодостъпен модел за синтез на реч, насочен към гласови агенти, които работят по време на телефонни разговори. Хостваният стрийминг модел превръща отговорите на агента в реч и струва $15 за 1 милион знака. Цената включва неограничена паралелност и не изисква годишен договор. Услугата работи в облака на AssemblyAI в американския регион us-east-1 или европейския eu-north-1, без обявена възможност за локално внедряване.

MarkTechPost

NVIDIA представи отворен модел за транскрипция на 40 езика

NVIDIA представи Nemotron 3.5 Transcribe — езиков модел за обработка на реч с отворени тегла, предназначен за транскрипция. Той работи с 40 езика и аудиозаписи с продължителност до един час. Текстова инструкция определя дали резултатът да е дословен, редактиран, с означени говорители, съобразен с контекст или преведен, което обединява транскрипция, разделяне на говорителите и времево подравняване.

MarkTechPost

Google DeepMind представи Gemini 4 Carbon за кодиране и киберзащита

Google DeepMind представи Gemini 4 Carbon — модел, разработен за продължителна агентна работа по програмиране и киберзащита. Компанията съобщава, че той заема първо място в индекса Artificial Analysis Intelligence v5.0 с резултат 59 и води в 15 от 17 публикувани сравнения. Броят на параметрите и размерът на контекстния прозорец не са обявени, а моделът работи само върху хоствана от Google инфраструктура.

MarkTechPost

MiniMax публикува MCode Stack за кодиращи агенти

MiniMax публикува MCode Stack — хранилище с отворен код и лиценз MIT, което съдържа работните процеси и уменията за агенти, използвани от екипа на MiniMax Code. Проектът е достъпен от 28 октомври 2026 г. и включва 17 умения във формат SKILL.md — 15 от Ronny и две от Jiachen — пет контролни списъка и пет придружаващи бележки. В него няма изходен код на MiniMax Code и не е необходим GPU. Уменията работят на машини с MiniMax Code и Node.js 22.19+, както и с Claude Code.