Gemini 3.6 Flash / 3.5 Flash-Lite / 3.5 Flash Cyber

Gemini 3.6 Flash
на базе 3.5 Flash
- Цена: $1.50/1M input, $7.50/1M output.
- Экономия токенов: 17% output против 3.5 Flash
- DeepSWE: экономия до 65% токенов.
- Меньше шагов рассуждения и tool calls в многошаговых воркфлоу

Gemini 3.5 Flash-Lite
Быстрая и экономичная для high-throughput задач, поиска и обработки документов
- Скорость: 350 output tokens/s
- Цена: $0.3/1M input, $2.5/1M output
- Регулируемые уровни мышления
- Computer Use встроен как нативный инструмент

Gemini 3.5 Flash Cyber в CodeMender
Специализированная модель на базе 3.5 Flash для кибербезопасности
- Агенты кооперируются для единого отчёта
- Только для доверенных партнеров

Studio

#coding #agent #security

Mage-Flow

У нас новый игрок в опенсорсе для работы с картинками
Компактная модель от Microsoft для создания и редактирования изображений. 4B параметров

• генерация изображений по тексту
• редактирование по инструкциям
• работа с разрешением от 512 до 2048
• поддержка любых пропорций
• высокая скорость генерации
• семантическое редактирование
• трансформация внешнего вида
• реставрация изображений

Выпущен в трёх вариантах: Base, RL-aligned и Turbo. На A100 генерирует изображение за 0.59 секунды, редактирование - за 1.02 секунды. Используют Mage-VAE для эффективного кодирования

Гитхаб
HF
Демо
Демо VL

#t2i #i2i #imageediting #image2normals

Laguna S 2.1

#MoE модель от Poolside для программирования и долгих агентных задач

• 118B параметров, на токен активны 8B
• контекст до 1 млн токенов
• два режима - с рассуждением и без
• Terminal-Bench 70,2%, SWE-Bench Multilingual 78,5%

• запускается на одном DGX Spark
• веса под лицензией OpenMDW-1.1
• возможны ошибки в агентных оболочках и при долгих рассуждениях

Доступна бесплатно в OpenCode и KiloCode

HF
Квантизации
Чат
Openrouter

Спасибо @Endorpheen

#coding #agent

Seed Audio 1.0

Аудиомодель от ByteDance. Генерирует за один проход целую звуковую сцену по одному промпту. Озвучка, подкасты, дубляж

• Можно жестко задавать тайминг реплик с точностью до 100 мс
• 20+ языков, перенос тембра между ними
• Клонирование голоса по референсам. До трёх аудиоклипов подключаются к промпту как @Audio1, @Audio2, @Audio3. Вместо аудио можно дать картинку с описанием персонажа.

Русский язык почти не тянет, промпт надо на английском. Лимит 2 минуты аудио, промпт до 3000 знаков. Цена ~$0.15–0.19/минута

Попробовать

Спасибо @QuantumFast

#t2a #text2audio #tts #voicecloning #voicedesign #online

IGGT4D

Онлайн-понимание 4D-сцен в видеопотоке. Строит единую модель сцены на лету - геометрия, движение камеры, объекты.

• сегментирование и олтслеживание объектов, глубина
• обрабатывает кадры по очереди
• переиспользует прошлый контекст через causal spatial-temporal modeling. Всю историю не хранит для экономии памяти
• обновляет представление сцены инкрементально
• чётко выделяет отдельные объекты.

код / веса ждем

#vlm #tracking #segmentation #videoto4d #vidfeo2depth

TimeLens2

Модель для поиска моментов в видео по текстовому запросу. По запросу на естественном языке выдаст интервалы на временной шкале

• обрабатывает однократные и повторяющиеся события
• работает с видео от третьего лица и эгоцентрическими
• выдаёт один или несколько временных интервалов

• использует мультимодальные LLM
• есть несколько версий модели: TimeLens2-4B и TimeLens2-8B

Гитхаб
HF
Демо

#vlm #captioning #video2text #mllm