GLM-5.3-Flash

оказалось это она пряталась под псевдонимом Ox Alpha

Первая GLM с настоящей мультимодальностью: изображения и видео принимаются нативно, без отдельных моделей-помощников

- Мультимодальность из коробки: текст, изображения, видео
- Контекст до 1M
- Агентские бенчмарки приближаются к Opus 4.8
- 321B параметров, активны 18B

- Цена: $0.075 вход / $0.25 выход, с 9 сентября вырастет до $0.15 / $0.50
- Работает полностью на китайских чипах

HF
GGUF / FP8
API

#flagship #gguf #fp8 #multimodal #agent

VK | MAX

Hy4-preview

Флагманская мультимодалка от Tencent, заточена под кодинг, агентные сценарии и рабочую продуктивность.

• держит контекст до 1 млн токенов
• тянет длинные agentic-цепочки без резкого роста стоимости запроса
• закрывает coding-задачи как frontier-level модель

• 770B параметров всего, 49B активны на токен

Позиционируют как frontier-level open model с доступной стоимостью запуска

Гитхаб
HF

#multimodal #flagship #coding #agent

VK | MAX

Опубликованы веса GLM-5.3

#agent #flagship #coding

VK | MAX

Muse Spark 1.3

Обновление флагманской модели Meta (запрещено в РФ) для агентных и кодинг-задач. Лучше держит длинные сценарии, точнее следует инструкциям и тратит меньше токенов на тот же результат

- Меньше вызовов инструментов на 20% и меньше токенов на 25% чем Spark 1.2 — экономия без потери качества
- Terminal-Bench 2.1: 88.8 — наравне с GPT-5.6 Sol
- Лидирует среди сравниваемых моделей в DeepSWE, SWEAtlas и тестах длинного контекста
- Удерживает несколько рабочих процессов в одном диалоге без путаницы

- Уже доступна в Muse Code и Meta Model API
- Режим максимального рассуждения — после доп. проверок безопасности
- Открытые веса обещают позже

Спасибо @Endorpheen

#coding #agent #flagship

VK | MAX

GPT-6 Astra

Новое поколение флагмана OpenAI

Самая умная и самая выровненная модель

Не выходит за рамки задачи, не обходит запреты, не врет о своих возможностях

- Компьютер: сам заполняет формы, ведет браузер, устанавливает софт, работает в CRM, Excel, Power BI
- Кодинг: доступна в Codex с заметками между контекстными окнами — ранние окна не сжимаются в суммари, а остаются искомыми

- Наука: помогла решить две задачи по простым числам — одна не двигалась 80 лет. Работает в научном софте напрямую: смотрит данные, строит графики, анализирует результаты
- Выравнивание: при невозможной задаче не пытается обойти auto-review

- Цена: $10/$50 за миллион токенов, fast mode — вдвое быстрее за вдвое большую цену
- Доступность: ChatGPT Plus/Pro/Business/Enterprise, API, Azure, Bedrock

#news #flagship

VK | MAX

DeepSeek V4.1 Flash

Раньше в приложении надо было вручную переключаться между быстрым, экспертным и режимом с картинками. Теперь это один нативно мультимодальный флагман: обычный диалог, анализ изображений и сложные рассуждения

- Нативно мультимодальная: текст, изображения, рассуждения - один и тот же вход

- V4 Pro отключается 14 сентября (перенесли с более ранней даты)
- После этого V4-запросы автоматически идут на V4.1 Flash по цене Flash пока не выйдет V4.1 Pro

#flagship #multimodal

VK | MAX

grok-4-7

Новая флагманская модель для кодинга и работы со знаниями. Больше база, длинный RL-прогон на более сложных задачах, лучше проверяет свою работу и держит длинный контекст. Та же цена и скорость, что у Grok 4.6

• работает дольше над сложными задачами и сам себя перепроверяет
• нативно понимает харнесс Grok Bot
• документы и презентации - GDPval 1735
• сильная работа с длинными кодовыми задачами

• CursorBench 4.0 - 46.3%
• DeepSWE v1.1 - 71%
• $2 за миллион входных токенов, $6 за выходные
• быстрый вариант - в два раза больше скорость за двойную цену

Новый стек защит: лучшие отказы и устойчивость к джейлбрейкам. На HackerBench пропускает только 3.3% опасных запросов. LatchBio biosafety - 62.4%. Защитникам кибербезопасности дают инвайты на red-team

Доступен сегодня в Cursor и Grok Build, плюс API

Попробовать

#flagship #coding

MiMo-V2.6 Pro и Flash от Xiaomi

Две нативные мультимодальные модели, прокачанные масштабным reinforcement learning. Расширение RL-вычислений для самоулучшения через обратную связь

• 46 баллов в Artificial Analysis Intelligence Index - самый сильный открытый модель, обходит Kimi K3 и Qwen3.8 Max
• на уровне Claude Opus 5 и GPT-5.6 Sol по большинству агентных бенчмарков
• 3D-рассуждение, computer use, кодинг и креатив
• моушен: генерация видео, музыки, слайдов

• контекст 1M токенов
• обучение 6 дней live RL, около 750 000 траекторий
• DeepSWE v1.1 вырос с 58.4 до 72.6 у Pro
• цены API как у V2.5 - умнее при тех же деньгах

При том же уровне интеллекта цена в 1/20 - 1/60 от некитайских моделей. Есть режим UltraSpeed с ускорением до 20 раз

HF
Попробовать / скачать десктоп

#multimodal #flagship #coding

GPT-6 Sol и GPT-6 Luna

Младшие братья в линейке GPT-6 после Astra. Та же тренировочная методика, но быстрее и вдвое дешевле: цены API урезаны на 50% против промо-GPT-5.6

• Sol - сильный уровень для сложной работы, примерно на уровне Claude Opus 5 по ряду бенчмарков
• Luna - дешевый рабочий конь для повседневных задач и агентов
• выросли по фактуальности - Sol ошибается вдвое реже предшественника
• улучшенная коммуникация - меньше жаргона и воды, короче ответы

• Sol: $2 вход / $10 выход за миллион токенов
• Luna: $0.10 вход / $0.50 выход
• кэш-чтения со скидкой 90%
• AutomationBench: Sol 33.2% при $0.27 за задачу - в 11 раз дешевле Opus 5
• DeepSWE v1.1: Sol 68.8%, Luna 66.6%

Luna на более высоких effort на фактуальности дотягивает до GPT-5.6 Sol при цене в сотню раз ниже. Доступны в ChatGPT Work и Codex, в API как gpt-6-sol и gpt-6-luna

#flagship #agent

MAX

Naive-N0.5-Flash от NaiveAI

Модель для кодинга и AI-исследований: 309B параметров MoE при 15.5B активных. Нативный контекст в 1 млн токенов без полного внимания - гибрид скользящего окна и разреженного внимания DSA от DeepSeek

• 1M контекста целиком
• до 2000 токенов/сек в режиме Ultrafast через свою систему NaiveRT
• 50 токенов/сек на юзера в стандартном режиме
• построена на базе Xiaomi MiMo-V2.5, дообучена на 3.25T токенов
• веса под MIT, FP8

• API: $0.10 вход / $0.40 выход / $0.01 кэш за миллион токенов

Только NVIDIA с FP8, веса ~315 ГБ

Гитхаб
HF

Спасибо @m_franz

#flagship #coding

MAX

Xiaomi открыли на Hugging Face семейство MiMo-V2.6 — omni-modal модели, которые масштабируют RL-вычисления в сторону самоулучшения

• MiMo-V2.6-Pro-RL — 1T, текст
• MiMo-V2.6-Flash-RL — 311B, текст
• MiMo-V2.6-Distill-Qwen-9B — 9B, мультимодальная (картинки+текст)
• MiMo-V2.6-Pro-MOPD и Flash-MOPD — варианты 1T/311B

Фокус на RL-самоулучшение: модели дообучаются через открытые RL-среды. Есть дистилляция до компактных 9B мультимодальной версии. Весь стек обучения открыт

HF
Попробовать
API

#flagship #omnimodal #multimodal

MAX

Muse Wonder

линейка сильных моделей для агентных задач от Meta (запрещено в РФ): Wonder и старшая Wonder Full. По данным Meta,

Full обходит Claude Opus 5.5 на 8 из 14 бенчмарков

• Долгий кодинг, юридическая работа, автоматизация бизнес-процессов
• Обгоняет GPT-6 Astra и Claude Fable 5.1 на длинных задачах
• Сверхдлинный инженерный тест SWE-Marathon: 57.5 против 46.3 у Opus 5.5
• Юридический агентный бенчмарк Harvey: 13.1 против 4.2 (без единой галлюцинации)

• Архитектура на Active Memory и Active Focus
• Wonder — через Meta Model API и Muse Code, Full — только подписчикам Muse Code

В SWE-Marathon Full работал на максимальном уровне рассуждений, а конкуренты — внутри своих агентов Codex и Claude Code. Так что это не строго контролируемое сравнение. Цифры Harvey низкие у всех — доводить сложные юридические задачи до конца пока не умеет никто. Прогоны делали независимые третьи стороны

#flagship #agent #coding

MAX