7 материалов · хроника по теме
TypeSafe AI выпустила модель Jev 1.14 с экспериментальным вводом изображений, типом Box и контекстом 262 тыс. токенов по цене $0,042 за миллион входных токенов. Обновление расширяет возможности мультимодальной обработки.
Продемонстрирована работа 35B мультимодальной модели MiniCPM-V 4.7 на телефоне при примерно 3 ГБ памяти. Это заметный шаг для локального запуска крупных моделей на мобильных устройствах.
Apple ML представила первые тримодальные маскированные диффузионные модели, обученные с нуля на тексте, изображениях и аудио. Работа расширяет подходы к мультимодальной генерации за пределами авторегрессионных архитектур.
Cloudflare представила Clef-omni — мультимодальную модель на 30 млрд параметров под лицензией Apache-2.0 на базе Qwen3-Omni. Она оценивает текст, изображения, аудио и видео за один вызов по цене 0,15 доллара за миллион входных токенов.
Проект vLLM Semantic Router представил Decision 3.0 — пять мультимодальных решающих моделей от 0,8 до 27 млрд параметров под лицензией Apache-2.0. Они отвечают на вопросы выбора, «да/нет» и оценки по тексту и изображениям за один вызов, не генерируя текст.
Google DeepMind представила открытую модель эмбеддингов EmbeddingGemma 2, которая переводит текст, код, изображения, видео и аудио в единое 768-мерное пространство. Компактность модели позволяет запускать текстовую часть прямо на смартфоне Pixel 11 Pro.
Компания Jev, создающая неязыковые ИИ-модели, получила оценку $7,5 млрд через несколько недель после запуска. Столь высокая оценка на ранней стадии отражает ажиотаж инвесторов вокруг новых архитектур за пределами текстовых моделей.