ChatBIZ - современные технологии для бизнеса

🔥 Kimi K3 уже вышла: 2,8 трлн параметров и контекст на миллион токенов Moonshot AI официально запустила Kimi K3 — свою самую мощную модель. Утечки оказались близки к правде: вместо ожидаемых 2–3 трлн разработчики заявили 2,8 трлн параметров 😳 Что получила Kimi K3: 🧠 контекстное окно на 1 млн токенов; 👁 нативное понимание изображений и видео; 💻 работу с большими кодовыми базами; 🤖 длительные агентные сценарии и вызов инструментов; 📚 анализ документов и сложные интеллектуальные задачи; 💭 постоянно включённый режим рассуждений. Модель уже доступна в веб-версии Kimi, Kimi Code и через API. 📊 Первые результаты тоже выглядят серьёзно По опубликованным Moonshot данным: 🔎 91,2 балла на BrowseComp — разработчики называют это новым рекордом. Результат получен одним агентом без сжатия контекста; 💼 1687 баллов на GDPval-AA v2 — третье место после Claude Fable 5 Max и GPT-5.6 Sol Max, но выше Claude Opus 4.8 Max; 🗂 1527 баллов на AA-Briefcase — второе место среди протестированных моделей, выше GPT-5.6 Sol Max. Так что называть Kimi K3 «убийцей Fable» пока рановато ☝️ На GDPval-AA v2 китайская модель всё ещё уступает Fable и Sol. Но в задачах длительной агентной работы и интернет-поиска она уже подобралась к самым сильным закрытым моделям — а местами вышла вперёд 🚀 Важно: сейчас это в основном результаты, опубликованные самой Moonshot. Полную картину дадут независимые тесты после широкого доступа к модели. 🔗 Попробовать Kimi K3: https://www.kimi.com/ 🔗 Официальная документация: https://platform.kimi.ai/docs/guide/kimi-k3-quickstart 🔗 Анонс Moonshot: https://x.com/kimi_moonshot/status/2077521842080817296 🔗 Материал Financial Times: https://www.ft.com/content/c6ecd8ce-c441-4d7c-aea6-fae3e28fb6ff

🚀 GLM-5.5 может выйти уже в августе — Z.ai готовит следующую большую модель Китайская компания Z.ai работает над продолжением своей флагманской линейки — моделью GLM-5.5. По данным Reuters, её релиз ожидается в августе 2026 года 😮 Официальные характеристики пока не раскрыты, но в сети обсуждают: 🧠 более 1 трлн параметров; 📚 контекстное окно до 1 млн токенов; 💻 усиленный упор на программирование; 🤖 выполнение продолжительных задач автономными ИИ-агентами. ☝️ Пока это предварительные данные. Размер модели более чем в триллион параметров упоминается в прогнозах аналитиков, но сама Z.ai эти характеристики ещё не подтвердила. При этом направление развития выглядит вполне логичным. Выпущенная в июне GLM-5.2 уже получила контекст на 1 млн токенов и была специально доработана для длительных задач: разработки программных систем, работы с большими проектами и многоэтапных агентных сценариев ⚙️ Если GLM-5.5 действительно продолжит эту линию, мы можем получить не просто более умный чат-бот, а модель, способную часами работать над проектом, сохранять контекст и самостоятельно выполнять длинные цепочки действий 🔥 Ждём официального анонса. Пока характеристики GLM-5.5 стоит воспринимать именно как прогнозы и слухи. 🔗 Официальная страница GLM-5.2: https://z.ai/blog/glm-5.2 🔗 Репозиторий семейства GLM-5: https://github.com/zai-org/GLM-5 🔗 Материал Reuters: https://www.reuters.com/world/asia-pacific/after-anthropic-shutdown-chinas-zai-closes-frontier-gap-it-plans-dual-listing-2026-06-25/

📱 Нейросеть на 27 миллиардов параметров теперь запускается прямо на iPhone 😳 Компания PrismML представила Bonsai 27B — компактную версию мультимодальной модели Qwen3.6-27B для локального запуска на обычных устройствах. Самая лёгкая версия занимает всего около 3,9 ГБ и, по данным разработчиков, помещается в память iPhone 17 Pro Max без выгрузки части модели в облако 🚀 На смартфоне она выдаёт примерно 11 токенов в секунду — ответы генерируются с вполне разговорной скоростью. Как в 3,9 ГБ поместили модель на 27 миллиардов параметров? 🪄 Разработчики использовали экстремальное однобитное сжатие: большая часть весов модели хранится в виде значений −1 и +1. Поэтому количество параметров осталось прежним, а объём памяти сократился примерно с 54 до 3,9 ГБ. Что умеет Bonsai 27B: 🧠 рассуждать и решать многоэтапные задачи; 💻 писать и анализировать код; 🛠 вызывать инструменты и работать в агентных сценариях; 🖼 анализировать изображения, документы и скриншоты; 📚 поддерживать архитектурный контекст до 262 тысяч токенов; 🔒 работать локально — без отправки запросов и файлов в облако. Правда, за рекордное сжатие приходится платить качеством. 📉 Однобитная версия на 3,9 ГБ сохранила около 89,5% результата полноразмерной модели в тестах разработчиков. Есть и более точная Ternary Bonsai 27B: она сохраняет примерно 94,6% качества, но её реальный размер в текущем формате составляет около 7,2 ГБ. Цифра 5,9 ГБ — это расчётный объём весов при идеальной упаковке. ☝️ Поэтому именно версия на 3,9 ГБ предназначена для iPhone, а более качественная — для ноутбуков и видеокарт. Модели опубликованы с открытыми весами по лицензии Apache 2.0. Доступны варианты для Apple MLX, llama.cpp, CUDA и других платформ 😎 🔗 Подробнее о Bonsai 27B: https://prismml.com/news/bonsai-27b 🔗 Коллекция моделей: https://huggingface.co/collections/prism-ml/bonsai-27b 🔗 Инструкции и демо: https://github.com/PrismML-Eng/Bonsai-demo

🎙 Сбер открыл две новые модели для работы с аудио — GigaAM Multilingual и GigaChat Audio Разработчики представили сразу два инструмента: один превращает речь в текст, а второй умеет понимать содержание длинных аудиозаписей 🤖 🌍 GigaAM Multilingual Это открытое семейство моделей для распознавания речи на языках России и стран СНГ. Модель предварительно обучили на 2 миллионах часов аудио более чем на 70 языках, а затем дополнительно настроили для распознавания речи. Сейчас заявлена поддержка: 🇷🇺 русского; 🇰🇿 казахского; 🇰🇬 киргизского; 🇺🇿 узбекского; 🇬🇧 английского. На русском, казахском, киргизском и узбекском модель показывает сильные результаты среди открытых решений. Например, в тестах на казахском, киргизском и узбекском она заметно опережает Whisper Large v3. 🛠 Самое интересное: базовую модель можно дополнительно обучать под новые языки, отраслевую лексику и собственные записи. 🔗 GigaAM Multilingual на Hugging Face: https://huggingface.co/ai-sage/GigaAM-Multilingual 🔗 Код и инструкция на GitHub: https://github.com/salute-developers/GigaAM 🔗 Исследование: https://arxiv.org/abs/2607.10371 ——— 🧠 GigaChat Audio Это уже не просто распознавание речи, а полноценная аудионативная языковая модель. Она построена на базе GigaChat 3.1 Lightning и акустического энкодера семейства GigaAM. Всего в модели 10 млрд параметров, но при обработке запроса активно около 1,8 млрд. GigaChat Audio умеет: 🎧 отвечать на вопросы по аудиозаписи; 📝 расшифровывать русскую и английскую речь; 🌐 переводить речь между русским и английским; 😊 определять эмоции говорящего; ⏱️ находить нужные фрагменты и указывать таймкоды; 📋 составлять краткое содержание записи с временными метками; 🎙 работать с лекциями, совещаниями и подкастами продолжительностью до двух часов. В опубликованных тестах модель особенно хорошо показала себя на русскоязычных вопросах, распознавании эмоций и поиске фрагментов внутри длинных записей. При этом это не абсолютный лидер во всех тестах: Qwen3-Omni оказался сильнее в ряде задач на вопросы и аудиоматематику, а Voxtral — в распознавании английской речи. 🔗 GigaChat Audio на Hugging Face: https://huggingface.co/ai-sage/GigaChat3.1-Audio-10B-A1.8B 🔗 Исследование: https://arxiv.org/abs/2607.10387 🆓 Обе модели опубликованы с открытыми весами по лицензии MIT. Обновлённые аудиовозможности GigaChat также можно попробовать на giga.chat и в Telegram-боте @gigachat_bot. А для быстрого распознавания голосовых сообщений на пяти языках доступен бот @smartspeech_sber_bot 🎤

🏆 Google признали лидером среди поставщиков ПО для фундаментальных ИИ-моделей Google вошла в категорию Leaders в исследовании IDC MarketScape: Worldwide Foundation Model Software 2026 Vendor Assessment 🤖 ☝️ Речь идёт не о сравнении одной модели Gemini с ChatGPT или Claude. IDC оценивает весь комплекс решений поставщика: 🔹 возможности моделей и программной платформы; 🔹 готовность технологий к корпоративному внедрению; 🔹 безопасность и управление данными; 🔹 масштабирование ИИ-систем; 🔹 стратегию развития на ближайшие годы. Google связывает результат с развитием Gemini Enterprise — единой корпоративной среды для внедрения ИИ и создания агентов. В неё входят: 💬 приложение Gemini Enterprise для сотрудников; 🧩 платформа для разработки и управления ИИ-агентами; 🧠 модели семейства Gemini; ☁️ инфраструктура Google Cloud; 🔐 корпоративные инструменты безопасности и контроля. Агенты внутри платформы могут получать инструменты, память и доступ к рабочим процессам компании — то есть не просто отвечать на вопросы, а выполнять многоэтапные задачи: работать с данными, внутренними системами и клиентскими сценариями ⚙️ 📊 При составлении рейтинга IDC оценивает поставщиков по двум основным направлениям: текущим возможностям решений и стратегии их развития. Доля компании на рынке отображается отдельно и сама по себе не определяет статус лидера. Для Google это важное подтверждение того, что конкуренция на рынке ИИ всё больше смещается от отдельных чат-ботов к полноценным корпоративным платформам и экосистемам агентов 🚀 🔗 Подробности в блоге Google Cloud: https://cloud.google.com/blog/products/ai-machine-learning/google-named-a-leader-in-idc-marketscape

🐋 Orca — единый центр управления Claude Code, Codex и другими ИИ-агентами Появился интересный инструмент для тех, кто использует ИИ в разработке и автоматизации — Orca 🚀 Разработчики называют его не просто IDE, а ADE — средой для работы с ИИ-агентами 🤖 Главная идея: вместо десятка терминалов, вкладок и отдельных окон можно запускать сразу несколько агентов в одном интерфейсе 👇 🔹 Claude Code 🔹 OpenAI Codex 🔹 OpenCode 🔹 Gemini CLI 🔹 Grok 🔹 Cursor CLI 🔹 GitHub Copilot 🔹 Qwen Code 🔹 Kimi и другие консольные агенты 🧩 Каждый агент работает в отдельной изолированной копии проекта. Например, можно дать одну задачу сразу пяти агентам, сравнить результаты и выбрать лучший вариант 🏆 При этом они не будут перезаписывать изменения друг друга. ⚙️ Что есть внутри Orca: 🖥 встроенный терминал и редактор файлов; 🌐 полноценный браузер на Chromium; 🤖 параллельный запуск нескольких агентов; 🔀 управление Git-ветками и worktree; 🔍 просмотр и комментирование изменений в коде; 📋 интеграция с GitHub и Linear; 🖧 работа с удалёнными серверами через SSH; 📱 мобильное приложение для контроля агентов с телефона; 📊 отслеживание лимитов Claude и Codex. 💳 Можно подключать уже существующие подписки на Claude, Codex и другие сервисы — отдельно покупать модели у Orca не требуется. 🆓 Сам проект бесплатный, с открытым исходным кодом и лицензией MIT. 💻 Доступны версии для: 🍎 macOS 🪟 Windows 🐧 Linux ⭐️ На GitHub проект уже собрал более 17 тысяч звёзд. По сути, Orca — это диспетчерская для команды ИИ-разработчиков 🧠 Один человек распределяет задачи между несколькими агентами, следит за их работой и выбирает лучший результат. 🔗 Сайт Orca 🔗 Исходный код на GitHub

🚀 Pinokio 8 уже доступен — большое обновление платформы для запуска AI-приложений без сложной настройки Если вы хоть раз запускали ComfyUI, WanGP, AUTOMATIC1111, Fooocus или другие локальные ИИ-инструменты, то наверняка знаете, сколько времени иногда уходит на установку зависимостей. Pinokio решает эту проблему, а в версии v8 получил одно из самых крупных обновлений. ✨ Что нового? ⚡️ Быстрее и отзывчивее Разработчики переработали внутреннюю архитектуру — приложение стало работать заметно быстрее. 🎨 Новый интерфейс Навигация стала проще, а нужные компоненты теперь разложены по отдельным вкладкам: • модели (Checkpoints); • дополнительные инструменты; • Skills; • другие зависимости, которые можно установить буквально в пару кликов. 🤖 Создание собственных приложений Помимо готовых AI-проектов из каталога Explore, теперь можно создавать собственные приложения и плагины в разделе Create с помощью языковых моделей. 🌐 Доступ по локальной сети и через интернет Одной кнопкой можно открыть доступ к Pinokio внутри локальной сети, а при необходимости — опубликовать приложение в интернете через Cloudflare. 🔄 Автоматический запуск пайплайнов Появилась вкладка Autolaunch, где можно настроить: • порядок запуска приложений; • зависимости между ними; • автоматическую оркестрацию целого AI-пайплайна. Например, сначала запускается ComfyUI с нужным workflow, а затем результаты автоматически передаются в другие приложения. 🧠 Помощь от ИИ Если возникает ошибка, её можно сразу отправить в Ask AI или обратиться к сообществу. Сейчас поддерживаются облачные модели Claude, Codex и Antigravity. Поддержка локальных моделей и Hermes пока отсутствует. 📊 Мониторинг системы Теперь Pinokio показывает загрузку: • CPU; • GPU; • оперативной памяти; • свободного места на диске. 🔓 Полностью открытая лицензия Начиная с версии v8, Pinokio распространяется по открытой лицензии и разрешён для коммерческого использования. 💡 Если регулярно работаете с локальными нейросетями, Pinokio постепенно превращается в полноценную операционную систему для AI-приложений — с каталогом, менеджером зависимостей, автоматическим запуском и управлением всем стеком из одного окна. 🔗 Сайт: https://pinokio.co/ 🔗 Скачать v8: https://github.com/pinokiocomputer/pinokio/releases/tag/v8.0.0 🔗 Видео с обзором: https://www.youtube.com/watch?v=ovhlmYnqFbA

🚀 Стартаперы, общий сбор: ИИ поможет найти первых клиентов Сооснователь и президент OpenAI Грег Брокман поделился полезным навыком для Codex, который ищет потенциальных первых клиентов для стартапа 😮 Достаточно передать агенту: 🔹 ссылку на сайт проекта; 🔹 репозиторий; 🔹 или обычное описание бизнес-идеи. Дальше ИИ самостоятельно: 🎯 определяет основную и дополнительную целевую аудиторию; 🔎 ищет в открытых источниках людей и компании, которые уже жалуются на похожую проблему или ищут решение; 📊 оценивает, насколько продукт подходит каждому потенциальному клиенту; 🔗 прикладывает ссылки на исходные публикации и сигналы спроса; ✉️ готовит персонализированные варианты первого обращения. В результате вы получите HTML-отчёт, в котором будут: ✅ портрет идеального клиента; ✅ список потенциальных заказчиков; ✅ оценка соответствия и актуальности потребности; ✅ повторяющиеся проблемы аудитории; ✅ заготовки сообщений для первого контакта; ✅ план ручного поиска клиентов на семь дней. Доступно несколько режимов: от быстрого поиска пяти наиболее подходящих кандидатов до глубокого анализа с двадцатью потенциальными клиентами. ☝️ Важно: инструмент не рассылает сообщения автоматически и не гарантирует продажи. Он формирует гипотезы на основе публичных данных — дальше результаты всё равно нужно проверять вручную. Устанавливается одной командой: npx --yes codex-first-customer-finder-skill@latest 🔥 Полезная штука для проверки бизнес-идеи, поиска первых пользователей и проведения customer development без многочасового ручного поиска. 🔗 Скачать навык на GitHub: https://github.com/Kappaemme-git/codex-first-customer-finder-skill 🔗 Публикация Грега Брокмана: https://x.com/gdb/status/2076686329686171666

📏 Вышла ZipDepth — компактная модель для оценки глубины по одному изображению Исследователи представили ZipDepth — открытую модель для монокулярной оценки глубины. Она умеет восстанавливать карту глубины сцены по обычной фотографии без использования LiDAR, стереокамер или дополнительных датчиков. Главная идея проекта — получить высокую скорость работы без серьёзной потери качества. ⚡️ Что умеет ZipDepth: 📷 Строит карту глубины по одному RGB-изображению. 🚀 Оптимизирована для работы на мобильных устройствах, edge-компьютерах и встроенных NPU. 🧠 Очень компактная — всего 6,1 млн параметров. ⚖️ Разработчики заявляют, что модель обеспечивает удачный баланс между скоростью и точностью, что делает её подходящей для устройств с ограниченными вычислительными ресурсами. 💡 Возможные сценарии применения: 🤖 робототехника; 🚁 дроны; 🥽 AR/VR; 📱 мобильные приложения; 🚗 системы компьютерного зрения и автономной навигации. 📄 Проект распространяется по лицензии MIT, а веса и исходный код опубликованы в открытом доступе. 🔗 Сайт проекта: https://zipdepth.github.io/ 🔗 GitHub: https://github.com/fabiotosi92/ZipDepth

🤖 В семействе LingBot сразу две интересные новинки для компьютерного зрения Разработчики представили LingBot-Vision и LingBot-Depth 2.0 — открытые модели, ориентированные не на генерацию изображений, а на понимание окружающего пространства. Такие решения особенно интересны для робототехники, автономных устройств и мобильных приложений. 👁 LingBot-Vision Это vision-модель, которая анализирует геометрию сцены, а не просто распознаёт объекты. Она умеет определять: 📐 границы объектов; 📏 глубину сцены; 🧩 пространственную структуру изображения. То есть отвечает не только на вопрос «что находится на фотографии?», а скорее «где расположены объекты и насколько они далеко». Что известно: • четыре версии — от 13 млн до 1,1 млрд параметров; • обучение по принципу self-supervised без ручной разметки; • по данным разработчиков, превосходит DINOv3, имея значительно меньше параметров; • лицензия Apache 2.0; • опубликованы открытые веса; • подходит для запуска на edge-устройствах и роботах. --- 📏 LingBot-Depth 2.0 Вторая модель специализируется на оценке глубины по обычной фотографии. Она строит 3D-карту сцены, определяя расстояние до объектов даже в сложных условиях. Заявленные возможности: ✅ более точная оценка глубины с учётом семантики сцены; ✅ работа со сложными текстурами; ✅ корректная обработка прозрачных объектов; ✅ стабильная работа при слабом освещении; ✅ поддержка мультимодальных входов (RGB + дополнительные признаки). Разработчики также позиционируют модель как решение для мобильных устройств и edge-компьютеров. 💡 Обе модели могут оказаться полезными в проектах, связанных с автономными роботами, дронами, AR/VR, промышленным компьютерным зрением и навигацией. 🔗 LingBot-Vision: https://technology.robbyant.com/lingbot-vision 🔗 GitHub: https://github.com/robbyant/lingbot-vision 🔗 Hugging Face: https://huggingface.co/collections/robbyant/lingbot-vision 🔗 LingBot-Depth 2.0: https://x.com/robbyant_brain/status/2074190702125498870