MiniMax выпустила модель H3-Image с открытыми весами для генерации и редактирования изображений 16 МП

Компания Moonshot AI опубликовала веса своей флагманской мультимодальной модели Kimi K3.1 Pro на платформе Hugging Face, что позволяет пользователям самостоятельно развернуть модель.

Модель построена на архитектуре с использованием смеси экспертов (mixture-of-experts) и обладает общим количеством параметров в 2,8 триллиона, при этом около 104 миллиардов параметров активируются при каждом выводе. Кроме того, она поддерживает контекстное окно объемом приблизительно в один миллион токенов.

Версия K3.1 Pro представляет собой развитие модели Kimi K3, в которую были добавлены расширенные методы обучения с подкреплением для задач, связанных с кодированием, созданием трехмерных объектов, финансовыми исследованиями и выполнением длительных задач агента.

Выпуск весов произошел после того, как модель стала доступна через приложения и API сервиса Kimi. Также было объявлено, что Huawei предоставила поддержку инференса через системы Atlas A3 и Ascend 950 с использованием vLLM Ascend и SGLang.

Компания Tencent представила свою флагманскую модель искусственного интеллекта Hy4, которая получила возможности визуального понимания и способности взаимодействовать с компьютером. Запуск модели состоялся 4 ноября.

Hy4 способна анализировать графики и документы, проводить рассуждения на основе нескольких изображений, а также управлять инструментами командной строки и графическими интерфейсами. Процесс обучения охватывает такие приложения, как Blender и программное обеспечение CAD, а также задачи, требующие работы в нескольких программах одновременно.

Модель Hy4 обладает 770 миллиардами параметров и доступна в продуктах самой Tencent, а также через сторонние платформы, включая OpenRouter. Вскоре компания планирует опубликовать веса модели и специальную карточку системы.

Стандартное ценообразование API осталось прежним по сравнению с предварительным просмотром Hy4: стоимость составляет $0.834 за миллион входных токенов и $2.501 за миллион выходных токенов. Кроме того, до 31 декабря предоставляется скидка в размере 50% на Tencent Cloud TokenHub.

Tencent интегрировала Hy4 в продукты WorkBuddy и CodeBuddy, предоставив ограниченный бесплатный лимит использования с 4 по 15 ноября. Также запланировано создание более экономичной версии модели Hy4 Flash. Компания отметила, что разработка была сосредоточена на офисных задачах, финансовом анализе и создании игр, при этом команды разработчиков помогали обучать и оценивать модель на основе реальных рабочих процессов.

Команда DiffuSpace, которая ранее разработала диффузионную языковую модель Dream 7B, выпустила и сделала общедоступной модель Clover-35B-A3B-Preview. Эта модель предназначена для выполнения задач, которые традиционно решаются обычными большими языковыми моделями, таких как написание кода, взаимодействие с инструментами, просмотр веб-страниц и создание интерфейсов фронтенда.

Большинство существующих языковых моделей работают авторегрессивно, то есть они предсказывают токены последовательно, где каждый новый токен зависит от предыдущих. Диффузионные языковые модели используют иной подход: они обновляют множество позиций одновременно и уточняют результат в течение нескольких раундов, восстанавливая скрытый или зашумленный текст в связный ответ. Этот метод обещает более быструю генерацию, однако исторически диффузионные модели демонстрировали ненадежность при выполнении задач агентов, часто приводя к некорректным вызовам инструментов и повторению неудачных шагов.

Clover использует метод блочной диффузии. Выходной поток разбивается на блоки, которые генерируются последовательно, в то время как позиции внутри каждого блока очищаются от шума параллельно. Команда сообщила, что для этого они реструктурировали основу Gated DeltaNet для параллельного шумоподавления на уровне блоков и добавили калибровку размера блока, которую можно обучить. Модель представляет собой архитектуру типа 'смесь экспертов' с общим количеством параметров в 35 миллиардов и примерно 3 миллиардами активных параметров на токен, а также поддерживает режим мышления.

Согласно данным, опубликованным командой, Clover показал результат 73.6 на SWE-bench Verified и 51.7 на Terminal-Bench 2.1. Что касается использования инструментов, модель достигла 65.3 на общем бенчмарке tau-cubed и 67.9 на BFCL-v4. Команда утверждает, что эти показатели превосходят авторегрессивные модели аналогичного размера, включая Qwen3.6-35B-A3B. Следует отметить, что все эти цифры являются самоотчетными и еще не прошли независимую проверку.

Основным преимуществом является скорость. DiffuSpace заявляет о скорости 515 токенов в секунду при выполнении задач агента на одном чипе NVIDIA H200, по сравнению с 365 токенами в секунду при использовании настройки спекулятивного декодирования DFlash2, а также о скорости 680 токенов в секунду в целом на одном GB300. В тестовом сценарии веб-агента, охватившем 49 задач, медианное время выполнения Clover составило 1.52 секунды.

Веса модели доступны на платформах Hugging Face, GitHub и ModelScope под лицензией Apache 2.0. DiffuSpace также предлагает пробный доступ через свой веб-сайт и сообщает о разработке инструментария для агентов и настольного клиента для кодирования. Поскольку Clover обозначен как предварительная версия, его надежность в реальных сценариях длительных рабочих процессов агентов потребует внешнего тестирования. Тем не менее, это одна из крупнейших открытых диффузионных языковых моделей, ориентированных непосредственно на задачи кодирования и использования агентов.