📌MiniMax випустила H3-Image — модель для генерації зображень 4K менш ніж за 10 секунд

MiniMax представила H3-Image — модель для створення та редагування фотореалістичних зображень. Вона генерує картинки роздільністю до 16 мегапікселів, точно виконує текстові інструкції та підтримує одночасне використання до 16 референсів.
ㅤ
🔆Детальніше
ㅤ
• Висока роздільність. Модель створює зображення 4096 × 4096 пікселів без додаткового збільшення через апскейлер.
ㅤ
• Генерація за референсами. Можна завантажити до 16 зображень із персонажами, предметами, локаціями чи потрібним стилем — модель врахує їх під час створення результату.
ㅤ
• Редагування зображень. H3-Image підтримує як генерацію з текстового опису, так і зміну готових картинок за інструкціями.
ㅤ
• Швидкість. За даними MiniMax, генерація зображення 4K може займати менш ніж 10 секунд. Модель оптимізована для роботи всього за шість кроків обчислення.
ㅤ
• Відкриті модельні файли. Розробники можуть завантажити модель із Hugging Face та розгортати її на власній інфраструктурі. Також вона доступна через API MiniMax, MiniMax Code і Hailuo AI.
ㅤ
У перший тиждень діє знижка 50% на генерацію зображень роздільністю 16 МП і вище.

➡️Модель тут.
➡️Документація API тут.

➡️Запроси друга до НейроЄнота🦝

📌Google випустила Gemini 4 Hydrogen — швидку модель, що перевершила Argon у загальному рейтингу

Google представила Gemini 4 Hydrogen для повсякденного програмування, роботи ШІ-агентів і складних завдань із документами. За результатом Artificial Analysis Intelligence Index модель набрала 51 бал проти 50 у флагманської Gemini 4 Argon.
ㅤ
🔆Детальніше
ㅤ
• У режимі найглибшого міркування xhigh результат Hydrogen зростає до 54 балів. Доступні чотири рівні: low, medium, high та xhigh.
ㅤ
• Порівняно з Gemini 3.8 Flash модель виконує завдання у 2,5 раза швидше. Результат Terminal-Bench 4.1 зріс із 18,2% до 57%, а кількість вигаданих тверджень скоротилася більш ніж уп'ятеро.
ㅤ
• Hydrogen працює з текстом, зображеннями, аудіо, відео, PDF та таблицями. Контекстне вікно — до 1 млн токенів, а в режимі фонового генерування можна отримати до 1 млн вихідних токенів.
ㅤ
• У Google Antigravity з'явився Orchestrator — механізм, який автоматично перемикається між моделями Carbon і Hydrogen під час одного завдання. У тестах на Terminal-Bench 4.0 така зв'язка працювала на 19% швидше та витрачала на 24% менше квоти за близької до Carbon успішності.
ㅤ
• Вартість API становить $1,50 за мільйон вхідних токенів і $7,50 за мільйон вихідних. Модель доступна в Gemini API, Google AI Studio, застосунку Gemini, Google Search та корпоративних продуктах Google.

➡️Детальніше тут.

➡️Запроси друга до НейроЄнота🦝

📌Adobe відкриє Photoshop, Illustrator і Premiere для сторонніх ШІ-агентів через MCP

На Adobe MAX компанія анонсувала локальні MCP-інтеграції для Photoshop, Illustrator, Premiere та After Effects. Вони дадуть змогу керувати редакторами через сторонніх ШІ-агентів, зокрема Claude, ChatGPT та Gemini, і вносити зміни безпосередньо у файли проєктів.
ㅤ
🔆Детальніше
ㅤ
• Керування через ШІ-агентів. Можна буде давати текстові команди для редагування фотографій, роботи з ілюстраціями та монтажу відео. Інтеграція працюватиме локально на комп'ютері.
ㅤ
• Збереження структури проєктів. Шари Photoshop, вектори Illustrator, монтажні доріжки Premiere та композиції After Effects залишатимуться доступними для ручного редагування.
ㅤ
• Розширення Creative Agent. Власний агент Adobe отримав нові можливості для виконання багатоетапних завдань. У Premiere він може застосовувати ефекти до всіх кліпів, відстежувати об'єкти та коригувати колір і експозицію цілої послідовності.
ㅤ
• Нові моделі Topaz Labs. Wonder 4 поєднує збільшення роздільності, усунення шуму й розмиття та підвищення різкості. Image HDR перетворює звичайні зображення на HDR.
ㅤ
• Терміни запуску. Нові можливості Creative Agent вже з'являються в бета-версіях програм. MCP-інтеграції поки перебувають на етапі попереднього анонсу — закрите тестування заплановане на початок 2027 року.
ㅤ
➡️Докладніше про анонс тут.

➡️Запроси друга до НейроЄнота🦝

📌MotionClone відтворює анімацію з відео та перетворює її на редагований проєкт

На GitHub з'явився MotionClone — інструмент, який аналізує готові ролики та відновлює їхню структуру: текст, графіку, зображення й анімацію. Достатньо завантажити відео або вставити посилання на нього.
ㅤ
🔆Детальніше
ㅤ
• На вхід можна подати відео або посилання з YouTube, X чи Vimeo. Інструмент аналізує сцени, розташування елементів, переходи та рух об'єктів.
ㅤ
• Результат — не звичайний MP4, а редагований проєкт HyperFrames. У ньому можна змінювати тексти, кольори, зображення, графіку й тривалість окремих сцен.
ㅤ
• Для відтворення анімації використовується ChatGPT через Codex. Можна зібрати до 12 фрагментів загальною тривалістю до 120 секунд.
ㅤ
• Під час створення можна вибрати співвідношення сторін і за потреби зберегти оригінальну звукову доріжку.
ㅤ
• Проєкт можна запускати локально на Windows або використовувати вебверсію. Автор попереджає, що складні 3D-сцени, фотографії, дрібний текст і рідкісні шрифти поки відтворюються неточно.
ㅤ
MotionClone можна використовувати для відтворення структури рекламних роликів і адаптації анімацій під власний контент.

➡️Спробувати тут.
➡️GitHub тут.

➡️Запроси друга до НейроЄнота🦝

📌ElevenLabs представила Scribe v3 для точнішого розпізнавання мовлення

ElevenLabs випустила дві моделі для перетворення аудіо на текст: Scribe v3 для готових записів і Scribe v3 Live для розпізнавання мовлення в реальному часі.
ㅤ
🔆Детальніше
ㅤ
• Scribe v3 робить на 27% менше помилок у словах порівняно з попередньою версією. Моделі перевірили на матеріалах 102 мов.
ㅤ
• На записах із трьома й більше учасниками кількість помилок у визначенні мовців зменшилася на 17%.
ㅤ
• Scribe v3 Live знизила кількість смислових помилок на 43% порівняно з попередньою моделлю. Вона враховує контекст розмови, щоб визначати завершення репліки, а не орієнтуватися лише на паузи.
ㅤ
• Для Scribe v3 можна додавати до 1000 ключових термінів. У Scribe v3 Live є бібліотека до 10 000 термінів, зокрема для назв компаній і спеціалізованої лексики.
ㅤ
• Розшифровку можна форматувати звичайними текстовими інструкціями — наприклад, задавати єдиний формат запису дат. Live-версія також підтримує визначення мовців у реальному часі.
ㅤ
Обидві моделі доступні через ElevenAPI та в застосунку ElevenLabs. Scribe v3 Live також працює в ElevenAgents.

➡️Детальніше тут.

➡️Запроси друга до НейроЄнота🦝

📌Iris-Z генерує зображення та карти глибини за допомогою однієї моделі

Speridian Labs представила Iris-Z — відкриту модель на базі FLUX.2, яка одночасно працює із зовнішнім виглядом зображення та просторовою геометрією. Один набір модельних файлів підтримує чотири різні сценарії генерації й обробки.
ㅤ
🔆Детальніше
ㅤ
• Чотири режими роботи. Генерація з тексту, створення зображення разом із картою глибини, визначення глибини за фотографією та відновлення зображення з карти глибини.
ㅤ
• Дві версії. Iris-Z-big має 32 млрд параметрів, а Iris-Z-small — 9 млрд. Обидві підтримують роздільність 512 і 1024 пікселі.
ㅤ
• Точність визначення глибини. У тестах розробників велика версія показала кращий середній результат за MoGe-3 на двох наборах бенчмарків. Менша версія також близька до спеціалізованої моделі, але не перевершує її в усіх тестах.
ㅤ
• Швидке визначення глибини. Для перетворення фотографії на карту глибини достатньо чотирьох кроків обчислення. Текстовий енкодер для цього режиму не потрібен.
ㅤ
• Додаткові дані. Модель може виводити маску неба, відносну глибину та її кольорову візуалізацію. Це корисно для 3D-композицій, паралаксу й роботи з віртуальними сценами.
ㅤ
Для Iris-Z-big потрібно близько 112 ГБ відеопам'яті, для small — приблизно 33 ГБ. Це рівень потужних серверних GPU.

➡️Модель тут.
➡️SDK на GitHub тут.

➡️Запроси друга до НейроЄнота🦝

📌Google представила Gemini Decision 1 — модель для швидкого ухвалення рішень

Google випустила Gemini Decision 1 — мультимодальну модель, яка не генерує розгорнуті відповіді, а швидко оцінює варіанти та обирає потрібний. Вона призначена для завдань на кшталт перевірки даних, класифікації та вибору інструментів для ШІ-агентів.
ㅤ
🔆Детальніше
ㅤ
• За один запит модель може опрацювати до 1000 запитань щодо спільного набору даних. Підтримуються текст, зображення, аудіо, відео та PDF-файли.
ㅤ
• Є три типи завдань: відповідь «так» або «ні», вибір одного з 2–255 варіантів та оцінювання за заданою шкалою.
ㅤ
• Для кожного результату модель повертає ймовірності варіантів і показник упевненості. Це дає змогу передавати сумнівні випадки на додаткову перевірку.
ㅤ
• Контекстне вікно — до 256 тисяч токенів. Google заявляє затримку 150–250 мс для запитів із контекстом до 16 тисяч токенів і кількістю запитань від 1 до 100.
ㅤ
• Вартість — $0,10 за мільйон вхідних токенів, вихідні токени безплатні. За внутрішніми тестами Google, на їхньому наборі завдань модель майже у 5 разів дешевша за Gemini 3.5 Flash-Lite.
Модель уже доступна через Gemini API у Google AI Studio. Є безплатний рівень для тестування.

➡️Спробувати тут.

➡️Запроси друга до НейроЄнота🦝

📌xAI оновила Grok Bot: агенти самостійно знаходять завдання та працюють у командах

Grok Bot отримав версію 1.0. Тепер ШІ-боти можуть стежити за робочими процесами, пропонувати допомогу без окремого запиту та координувати завдання між собою.
ㅤ
🔆Детальніше
ㅤ
• Спільна робота. Одного бота можна використовувати разом із колегами та підключати до Slack і Microsoft Teams. Він стежить за обговореннями, враховує внесок різних учасників і може залучати інших ботів до виконання завдань.
ㅤ
• Участь у зустрічах. Бот може приєднуватися до відеодзвінків, відповідати в чаті, фіксувати домовленості та використовувати їх у подальшій роботі.
ㅤ
• Самостійне виявлення завдань. Grok Bot стежить за проєктами, помічає наближення дедлайнів, нагадує про незавершену роботу та пропонує підготувати потрібні матеріали.
ㅤ
• Навчання на досвіді команди. Бот запам'ятовує вподобання співробітників, попередні рішення та робочі процеси. Нові знання можуть використовувати всі учасники команди після перевірки й погодження.
ㅤ
• Робота з інструментами. Покращено керування браузером, створення документів і презентацій, а також інтеграції з Gmail, Google Calendar і GitHub. Боти також можуть створювати інтерактивні сторінки Pages.

У спільних просторах боти враховують права доступу, запитують підтвердження для чутливих дій і перевіряють, чи можна публікувати певну інформацію в загальних каналах.

➡️Детальніше тут.

➡️Запроси друга до НейроЄнота🦝

📌OpenAI запустила ChatGPT Wallet для оплати покупок ШІ-агентами

OpenAI представила вбудований платіжний гаманець, який дозволяє агенту Dot не лише шукати товари та бронювати послуги, а й оформлювати покупки від імені користувача.
ㅤ
🔆Детальніше
ㅤ
• Достатньо прив'язати банківську картку та доручити агенту знайти потрібний товар або забронювати готель. Dot самостійно підбере варіанти й перейде до оформлення замовлення.
ㅤ
• Перед оплатою користувач повинен підтвердити транзакцію через Face ID або Touch ID.
ㅤ
• Для проведення платежів використовуються спеціальні токени. Агент і магазин не отримують справжніх реквізитів банківської картки.
ㅤ
• У майбутньому OpenAI планує додати попереднє схвалення покупок за встановленими правилами: лімітами витрат і категоріями товарів. Це дозволить агентам виконувати деякі покупки без окремого підтвердження кожної операції.
ㅤ
• Поки Wallet доступний повнолітнім користувачам ChatGPT Pro у США через Dot. Підтримуються відповідні картки американських банків платіжних систем American Express, Mastercard і Visa. У звичайному чаті, Work та Codex функція не працює.
ㅤ
➡️Детальніше тут.

➡️Запроси друга до НейроЄнота🦝

📌Anthropic навчили Claude працювати над завданнями прямо під час відеозустрічей

Anthropic представила Claude Meetings — функцію, яка дозволяє додавати Claude до Google Meet як повноцінного учасника. ШІ стежить за обговоренням, відповідає на запитання та виконує доручення команди просто під час зустрічі.
ㅤ
🔆Детальніше
ㅤ
• Claude можна попросити голосом або через чат створити документ, підготувати план проєкту, побудувати схему на інтерактивній дошці чи знайти інформацію в підключених корпоративних сервісах.
ㅤ
• Поки команда обговорює завдання, Claude паралельно готує матеріали. Наприклад, під час планування заходу він може скласти план, знайти бюджет торішньої події та створити графік підготовки. Учасники редагують документи в реальному часі.
ㅤ
• Для доступу до корпоративних даних Claude запитує дозвіл. За замовчуванням він не приєднується до зустрічей із зовнішніми учасниками та залишає дзвінок, якщо хтось із них приєднується пізніше. Адміністратор може змінити ці обмеження.
ㅤ
• Після зустрічі на окремій сторінці в claude.ai зберігаються розшифровка, короткий підсумок, ухвалені рішення, список завдань і створені матеріали. До них можна повернутися пізніше та ставити Claude запитання про минулу розмову.
ㅤ
• Claude відображається серед учасників дзвінка та повідомляє про запис розшифровки. Аудіофайли не зберігаються — система залишає текст розмови, підсумок і описи вмісту екрана.

Claude Meetings поступово запускають у бета-версії для тарифів Team та Enterprise. Поки підтримується лише Google Meet, інтеграції з іншими платформами з'являться пізніше.

➡️Детальніше тут.

➡️Запроси друга до НейроЄнота🦝

📌Meta випустила Muse Ember — компактну модель для роботи ШІ-агентів

Meta представила найкомпактнішу та одну з найекономніших моделей сімейства Muse. Вона розрахована на виконання повторюваних завдань у великих агентних системах: виклики інструментів, програмування, обробку документів і роботу з кількома сервісами.
ㅤ
🔆Детальніше
ㅤ
• Muse Ember може послідовно викликати інструменти, отримувати дані з різних джерел і виконувати робочі процеси між кількома застосунками. Основний акцент зроблено на швидкому виконанні великої кількості окремих завдань.
ㅤ
• У програмуванні модель читає файли, запускає команди й тести, знаходить помилки та вносить точкові виправлення. Її можна використовувати як допоміжного агента для виконання окремих етапів складного проєкту.
ㅤ
• Контекстне вікно становить 1 млн токенів, а максимальний обсяг відповіді — 512 тис. токенів. Це дозволяє передавати моделі цілі кодові бази або великі набори документів.
ㅤ
• Модель підтримує текст, зображення, аудіо, відео та PDF. Завдяки цьому агенти можуть аналізувати скриншоти, графіки, скановані документи, записи зустрічей і відео без залучення окремої моделі для кожного типу даних.
ㅤ
• Вартість становить $0,10 за 1 млн вхідних токенів і $0,50 за 1 млн вихідних. Meta позиціонує Ember як економічну модель для завдань, які агенти виконують сотні разів протягом однієї сесії.
ㅤ
Muse Ember вже доступна через Meta Model API та Muse Code. Її можна поєднувати з Muse Wonder: старша модель планує роботу, а Ember виконує велику кількість окремих завдань.

➡️Детальніше тут.

➡️Запроси друга до НейроЄнота🦝

📌Fish Audio запустила Fish Agent для створення голосових ШІ-агентів

Fish Audio представила платформу Fish Agent, яка дозволяє створювати голосових ШІ-агентів для вихідних і вхідних телефонних дзвінків. Достатньо описати завдання звичайним текстом — платформа самостійно налаштує агента без програмування. За даними компанії, медіанний час запуску становить лише 32 секунди.
ㅤ
🔆Детальніше
ㅤ
• Агенту можна призначити новий телефонний номер або підключити вже наявний, щоб він самостійно приймав і здійснював дзвінки.
ㅤ
• Платформа підтримує провідні мовні моделі, зокрема дозволяє підключити власну LLM для обробки запитів.
ㅤ
• Голосове спілкування працює на базі Fish Live 3. Модель одночасно слухає та говорить, реагує на перебивання й підтримує природний діалог без очікування завершення кожної репліки.
ㅤ
• До агентів можна підключати бази знань, зовнішні інструменти, вебхуки та API. Наприклад, створити віртуального адміністратора для консультацій клієнтів і передавання інформації до CRM.
ㅤ
• На старті Fish Audio пропонує безкоштовного персонального агента, а також надає кредити на використання платформи протягом перших 48 годин після запуску.
ㅤ
➡️Спробувати тут.

➡️Запроси друга до НейроЄнота🦝