MiniMax 16 MP tasvirlarni yaratish va tahrirlash uchun ochiq vaznli H3-Image modelini chiqardi

Moonshot AI kompaniyasi oʻzining flagmanli multimodal modeli Kimi K3.1 Pro ning vaznlarini Hugging Face platformasida eʼlon qildi, bu foydalanuvchilarga modelni mustaqil ravishda joylashtirish imkonini beradi.

Model ekspertlar aralashmasi (mixture-of-experts) arxitekturasi asosida qurilgan va umumiy 2,8 trillion parametrga ega, bunda har bir chiqarish paytida taxminan 104 milliard parametr faollashtiriladi. Bundan tashqari, u taxminan bir million token hajmidagi kontekst oynasini qoʻllab-quvvatlaydi.

K3.1 Pro versiyasi Kimi K3 modelining rivojlanishidir, unga kodlash, uch oʻlchamli obʼektlar yaratish, moliyaviy tadqiqotlar va agentning uzoq muddatli vazifalarini bajarish bilan bogʻliq kengaytirilgan kuchaytirilgan oʻrganish usullari qoʻshildi.

Vaznlarning chiqarilishi model Kimi xizmatining ilovalari va API orqali mavjud boʻlgandan soʻng sodir boʻldi. Shuningdek, Huawei Atlas A3 va Ascend 950 tizimlari orqali vLLM Ascend va SGLang dan foydalangan holda inferensni qoʻllab-quvvatlashni taqdim etgani eʼlon qilindi.

Tencent kompaniyasi vizual tushunish va kompyuter bilan oʻzaro aloqaga kirish qobiliyatiga ega boʻlgan oʻzining flagman sunʼiy intellekt modeli Hy4 ni taqdim etdi. Modelning ishga tushirilishi 4-noyabrda amalga oshirildi.

Hy4 grafiklar va hujjatlarni tahlil qilish, bir nechta tasvirlar asosida xulosa chiqarish, shuningdek, buyruq satri va grafik interfeys vositalarini boshqarish qobiliyatiga ega. Oʻquv jarayoni Blender va CAD dasturiy taʼminotlari kabi ilovalarni qamrab oladi, shuningdek, bir vaqtning oʻzida bir nechta dasturda ishlashni talab qiladigan vazifalarni ham oʻz ichiga oladi.

Hy4 modeli 770 milliard parametrga ega va Tencentning oʻz mahsulotlarida, shuningdek, OpenRouter kabi uchinchi tomon platformalar orqali mavjud. Kompaniya yaqinda modelning ogʻirligini va maxsus tizim kartochkasini eʼlon qilishni rejalashtirmoqda.

API ning standart narxlari Hy4 ning oldindan koʻrinishi bilan solishtirganda oʻzgarmadi: narxi million kirish tokeni uchun 0.834 dollar va million chiqish tokeni uchun 2.501 dollar tashkil etadi. Bundan tashqari, 31-dekabr kungacha Tencent Cloud TokenHub uchun 50% chegirma beriladi.

Tencent Hy4 ni WorkBuddy va CodeBuddy mahsulotlariga integratsiya qildi va 4-noyabrdan 15-noyabrgacha cheklangan bepul foydalanish limitini taqdim etdi. Shuningdek, Hy4 Flash modelining iqtisodiyroq versiyasini yaratish rejalashtirilgan. Kompaniya ishlab chiqish ofis vazifalari, moliyaviy tahlil va oʻyin yaratishga qaratilganligini taʼkidladi, bunda ishlab chiquvchilar jamoalari real ish jarayonlari asosida modelni oʻqitish va baholashga yordam berdilar.

Avval diffuzion til modeli Dream 7B ni ishlab chiqqan DiffuSpace jamoasi Clover-35B-A3B-Preview modelini chiqarib, ommaga taqdim etdi. Ushbu model anʼanaviy katta til modellarining yechadigan vazifalarni bajarish uchun moʻljallangan, jumladan kod yozish, vositalar bilan ishlash, veb-sahifalarni koʻrish va frontend interfeyslarini yaratish.

Mavjud til modellarining aksariyati avtoregressiv tarzda ishlaydi, yaʼni ular tokenlarni ketma-ket bashorat qiladi, bunda har bir yangi token oldingilarga bogʻliq boʻladi. Diffuzion til modellarida boshqa yondashuv qoʻllaniladi: ular koʻplab pozitsiyalarni bir vaqtning oʻzida yangilaydi va natijani bir necha raund davomida aniqlashtirib, yashiringan yoki shovqinli matnni mantiqiy javobga qayta tiklaydi. Bu usul tezroq generatsiya qilishni vaʼda qilsa-da, tarixan diffuzion modellar agent vazifalarini bajarishda ishonchsizlikni namoyish etgan, koʻpincha notoʻgʻri vosita chaqiruvlari va muvaffaqiyatsiz bosqichlarni takrorlashga olib kelgan.

Clover blokli diffuziya usulidan foydalanadi. Chiqish oqimi bloklarga ajratiladi, ular ketma-ket hosil qilinadi, shu bilan birga har bir blok ichidagi pozitsiyalar parallel ravishda shovqindan tozalanishi taʼminlanadi. Jamoa buni amalga oshirish uchun Gated DeltaNet asosini blok darajasida parallel shovqinni kamaytirish uchun qayta tuzgan va oʻrganilishi mumkin boʻlgan blok hajmi kalibrlashini qoʻshganini maʼlum qildi. Model 35 milliard parametr umumiy miqdordagi va token boʻyicha taxminan 3 milliard faol parametrga ega boʻlgan «ekspertlar aralashmasi» arxitekturasini ifodalaydi, shuningdek, fikrlash rejimini qoʻllab-quvvatlaydi.

Jamoa tomonidan eʼlon qilingan maʼlumotlarga koʻra, Clover SWE-bench Verified da 73.6, Terminal-Bench 2.1 da esa 51.7 natija koʻrsatdi. Vositalardan foydalanish borasida model umumiy tau-cubed benchmarkida 65.3, BFCL-v4 da esa 67.9 ga erishdi. Jamoa bu koʻrsatkichlar teng hajmdagi avtoregressiv modellar, shu jumladan Qwen3.6-35B-A3B dan ustun ekanligini taʼkidlaydi. Shuni taʼkidlash kerakki, barcha bu raqamlar oʻzini hisoblashi va hali mustaqil tekshirilmagan.

Asosiy afzallik tezlikdir. DiffuSpace agent vazifalarini bajarishda bitta NVIDIA H200 chipida sekundiga 515 token tezligi haqida maʼlumot beradi, bu DFlash2 spekulyativ dekodlash sozlamasidan foydalanganda sekundiga 365 token tezligiga qaraganda yuqori, shuningdek, bitta GB300 da umumiy holda sekundiga 680 token tezligidir. Veb-agent sinov ssenariysida, 49 ta vazifani qamrab olgan Cloverning oʻrtacha bajarilish vaqti 1.52 soniyani tashkil etdi.

Model vaznlari Hugging Face, GitHub va ModelScope platformalarida Apache 2.0 litsenziyasi ostida mavjud. DiffuSpace shuningdek, oʻz veb-sayti orqali sinov huquqini taklif qilmoqda va agentlar uchun vositalar hamda kodlash uchun stol usti mijozini ishlab chiqayotganini maʼlum qilmoqda. Clover oldindan versiya sifatida belgilanganligi sababli, uning uzoq agent ish oqimlaridagi real senariylardagi ishonchliligi tashqi sinovni talab qiladi. Biroq, bu kodlash va agentlardan foydalanish vazifalariga bevosita yoʻnaltirilgan eng yirik ochiq diffuzion til modellaridan biridir.