Kimi K2

Новая версия китайской мультимодалки.

Пишут что убийца cHatGPT и DeepSeek, но как всегда преувеличивают

Архитертура #MoE, Триллион параметров, из них 32B активных. Заточена на агентные и программерские задачи. Есть две версии:

Kimi-K2-Base: Базовая модель, с которой можно начинать работу исследователям и разработчикам, которым нужен полный контроль для точной настройки и создания пользовательских решений.

Kimi-K2-Instruct: модель после обучения, которая лучше всего подходит для работы с клиентами, общения в чате общего назначения и взаимодействия с агентами. Это модель рефлекторного уровня, о которой не нужно долго думать.

- Обрабатывает 100 тысяч строк данных за раз - Строит визуализации
- Создаёт игры в вебе, на создание клона Minecraft у Kimi K2 ушла одна попытка
- Планирует путешествия через 17 инструментов
- Токены в 5 раз дешевле чем у конкурентов

Уже на Perplexity
Хотя какая разница если можно пользоваться прямо на офсайте и в мобильном приложении

Мультимодальные функции пока не работают

Гитхаб
Веса - вам точно это надо?
Попробовать на офсайте - в левом нижнем углу переключаем на английский

На мобиле не факт что K2 уже есть, не проверял
AppStore
Android

#assistant #mllm #mlm #reasoning #mobile #ios

Обучение Chroma (чекпойнт на базе Flux Schnell) завершено, семейство моделей доступно для использования.

Модели можно дообучать под конкретные задачи.

Chroma1-Base (базовая модель 512x512)

Chroma1-HD (модель с высоким разрешением 1024x1024)

Chroma1-Flash (экспериментальная версия для ускорения работы моделей)

Chroma1-Radiance [WIP] (модель, работающая напрямую с пикселями, а не с латентным пространством, что должно устранить некоторые артефакты).

Базовые модели универсальны и дают больше возможностей для дальнейшей настройки, в отличие от моделей, заточенных под определённый стиль.

На примерах черрипики с flash и HD

Реддит
Fictional.ai - говорят, в мобильной аппке есть Chroma. Дают ли попробовать бесплатно не заню

#text2image #mobile #ios #android

PhoneClaw

ИИ-агент для iPhone на Gemma 4, без подключения к интернету

- обрабатывает текст и изображения локально

- не передаёт данные на серверы

- поддерживает Skill-систему для расширения функционала

- распознаёт и анализирует речь

- сохраняет историю чатов

- поддержка ModelScope для скачивания моделей

————

Google AI Edge Gallery

Официальное приложение Google для запуска Gemma 4 на телефоне.

- 100% open-source
- Полностью офлайн и приватно
- Мультимодальность: текст / аудио / изображения
- Работает с Gemma E4B и E2B

App Store
Google Play
Гитхаб

#mobile #ios #android #assistant

Superwhisper

Транскрибатор речи в текст

работает в Slack, Gmail и других приложениях

поддерживает более 100 языков и диалектов, переводит их на английский

интегрируется с Cursor, Claude Code, Open Code и другими кодерами

может транскрибировать аудио- и видеофайлы

Есть какой-то бесплатный тариф

#MacOS #Windows #iOS #stt #transcribe

WildDet3D: Scaling Promptable 3D Detection in the Wild

#SOTA детектор объектов от Allen AI для изображений и видео в реальном времени.

— Распознаёт 3D-объекты по текстовым подсказкам
— Преобразует 2D-рамки в 3D
— Находит похожие объекты по примеру
— Работает с точками на изображении
— Использует монокулярные изображения
— Применяет данные о глубине для точного позиционирования

Гитхаб
HF
Демо
iOS

#detection #3d #segmentation #mobile #ios #realtime

Gaussian Splatting to Mesh 3.0 with Huge Quality Bump

Kiri Engine обновился с новой версией Gaussian Splatting to Mesh

Улучшена обработка тонких структур, скорость и прочее

Kiri web
iOS
Android
Видео

#gaussian #scenereconstruction #ios #android #mobile

Spatial Studio

Платформа для 3D‑визуализации и иммерсивного сторителлинга на гауссианах, есть мобильная аппка для захвата сцен

• создание интерактивных сцен
• редактирование
• интеграция реальных данных в виртуальные среды
• настройка освещения и материалов
• публикация проекта для просмотра

Ориентирован на архитекторов, дизайнеров, девелоперов; поддерживает работу с большими сценами, можно делать виртуальные туры и шоурумы.

iOS - Spatial Lens, только захват
Галерея

#gaussian #ios #video2scene

LongCat 2.0

MoE-модель от Meituan для агентских задач и кодинга. Тянет огромные контексты, режет лишние вычисления.

• 1.6T параметров, MoE, на токен активны ~48B
• контекстное окно 1 млн токенов
• LongCat Sparse Attention для длинных последовательностей
• Zero-Compute Experts - экономия ресурсов
• топовые баллы в SWE-bench, Terminal-Bench
• упор на планирование, инструменты, RAG



Гитхаб
HF ждем
Чат - там у LongCat есть мобильные приложения
API

#agent #coding #ios #android

#TTS #russian

github.com/kost-t-human/ruvoice-tts - RUVoice TTS: #Android-синтезатор на движке Silero, русская озвучка

github.com/kost-t-human/ruvoice-voicekit - дообучение штатных голосов Silero под свой тембр (VoiceKit) #voicecloning

github.com/UnaMentis/pocket-tts-ios - Pocket-TTS под #iOS

apps.apple.com/us/app/tobe-said/id6801981584
apps.apple.com/us/app/tobe-said-pro/id6803422049
Pocket-TTS уже в App Store: бесплатно и Pro (русский заявлен, свою модель загружать вряд ли можно)

github.com/The-unknown-Shadowman/PocketTTS-Android-Engine - Android, загружать свои модели проще

Русские модели

huggingface.co/ArtShtorm/Shtorm_PocketTTS_RU

huggingface.co/ArtShtorm/Shtorm-VoxCPM2-RU

Бенчмарк и #ASR

ncspeech.org/blog/asr-benchmark-oct-2026 - бенчмарк #ASR за октябрь: четыре системы на 15 наборах, 85 часов — русский, казахский, смешанные звонки

github.com/TheStageAI/TheWhisper - TheWhisper: новое дообучение Whisper для ASR

MiniCPM-V 4.7

Новая открытая серия мультимодальных моделей OpenBMB для устройств

Две модели: MiniCPM-V 4.7 35B-A3B и MiniCPM-V 4.7 1B.

• Мультимодальное понимание, STEM-рассуждения, #OCR и длинные видео
• Локальный запуск на #iOS и #Android
• Гибридное сжатие визуальных токенов 4× и 16×
• Self-Replay Fine-Tuning — дешевая донастройка под новые задачи без потери общих качеств

• 35B-A3B: 17+ токенов/с на iPad Pro M4 (16 ГБ), 13+ на iPhone 17 Pro Max, всего 3 ГБ памяти
• LES (Lookahead Expert Scheduling) предзагружает веса экспертов — 5× ускорение на iPad Pro M4 при идентичном выводе
• Даже при 16× сжатии 90.4 на OCRBench — на 5.2 пункта выше Qwen3.6 35B-A3B
• Конкурентные результаты на 34 бенчмарках

github.com/OpenBMB/MiniCPM-V
huggingface.co/collections/openbmb/minicpm-v-47

#multimodal #mobile

MAX