🚀 Open-Source и платные ИИ-модели
Календарь релизов 2025–2026
Отслеживайте последние релизы ИИ-моделей: от бесплатных open-source до платных облачных решений.
341
Дней отслеживается
191
Дней релизов
1064
Моделей
–
Ноябрь
2026
📅 09.11
5 моделей
Claude Fable 5.2
новая флагманская закрытая модель Anthropic для сложного reasoning и длительной работы агентов, токены выдаёт на 30% быстрее Fable 5.1. Набрала рекордные 65 баллов в Artificial Analysis Intelligence Index…
Claude Mythos 5.2
версия Fable 5.2 от Anthropic с меньшими ограничениями для кибербезопасности и наук о жизни. На тесте из 1 829 CVE (известных уязвимостей) нашла на 14,4% больше уязвимостей, чем Mythos 5.1…
LongCat-2.5
открытая нативно мультимодальная MoE-модель (Mixture of Experts) от Meituan: 1,6T параметров, из них ~48B активных. Понимает изображения и видео, рассчитана на агентный кодинг и длинные задачи, 88,4 в Terminal Bench v2.1…
Muse Ember
самая компактная и экономичная проприетарная модель Meta для рутинной работы агентов: вызов инструментов, мелкие задачи по коду, извлечение данных. Принимает текст, изображения, аудио и видео, контекст 1M токенов…
Seedream 5.5
закрытая text-to-image модель ByteDance Seed для профессионального продакшена. Держит изображение стабильным на уровне пикселей до 100 раундов редактирования и генерирует RGBA (с прозрачным фоном)…
📅 07.11
2 модели
Arete-27B
открытая модель от Nous Research на 27B параметров. Это SFT-дообучение (supervised fine-tuning, обучение с учителем) модели Alibaba Qwen3.8-27B на 53 млн токенов с контекстом 64K при обучении…
Qwen3.8-27B-DSpine-b16
компактная пятислойная draft-модель от Tencent для спекулятивного декодирования (speculative decoding: быстрая модель предлагает несколько токенов, основная их проверяет) для Qwen3.8-27B…
📅 03.11
5 моделей
NorthCUA (Nano 9B / Mini 35B / Pro 397B / Ultrafast)
семейство CUA-агентов (computer-use agents, агентов для управления компьютером) на базе архитектуры Qwen3.5: 9B, 35B и 397B параметров. Модели обучены выполнять задачи в десктопе и браузере с помощью SFT и совместного RL…
Endeavor 1.1
обновлённая фронтир-модель Flower Labs, которая теперь принимает на вход изображения вместе с текстом. Набирает 94,4 на GPQA и 99,9 на AIME 2026…
Palette
компактная модель с открытыми весами на 20B параметров от IBM Research, обученная собирать слайд-презентации в заданном дизайн-стиле. Роль «дизайнер» пишет JSON-бриф, а роль «кодер» генерирует код pptxgenjs для каждого слайда…
GSLM2
генеративная речевая языковая модель от команды facebookresearch (Meta) до 6,5B параметров, обучена на 6 млн часов аудио…
Saidzoda-Tajik-E5-Large
модель эмбеддингов на 560M параметров для таджикского языка от группы авторов во главе с Тохиром Саидзодой, дообученная из multilingual-e5-large-instruct…
📅 02.11
1 модель
Saidzoda-Tajik-LFM-2.6B
модель от Saidzoda AI Lab на 2.6B параметров (гибридная архитектура на базе LiquidAI LFM2.5-2.6B-Base), которая по запросу на таджикском или английском выбирает нужный инструмент и формирует вызов функции (tool calling)…
📅 01.11
2 модели
PiVo-1.4M
сверхкомпактная исследовательская модель синтеза речи TTS (text-to-speech) от Empero Research. В ней всего 1,4M параметров: акустическая модель на 585K и вокодер на базе FARGAN на 817K…
Qwen3.5-4B-GLB-3D-Coder
независимый файнтюн Qwen3.5-4B от разработчика CCORE: dense-модель на 4B параметров для генерации 3D-сцен и ассетов на Three.js с экспортом в формат GLB для движков вроде Godot…
Октябрь
2026
📅 29.10
1 модель
Mistral Large 4 (Le Chonk)
флагманская модель Mistral AI на ~1T параметров (52B активных) с MoE-архитектурой (Mixture of Experts), мультимодальным вводом и тремя режимами рассуждений; 29 октября опубликованы веса под Mistral Ecosystem Open-Weight License (модифициров…
📅 28.10
3 модели
Gemini 4 Carbon
новая флагманская закрытая модель Google DeepMind, вышла через две недели после Gemini 4 Argon. Делает ставку на кибербезопасность (поиск, эксплуатация и исправление уязвимостей) и длинные агентные задачи…
NVIDIA-Nemotron-3.5-Transcribe-30B-A4B
открытая речевая модель NVIDIA на MoE-архитектуре (Mixture of Experts): гибрид Mamba-2 и Transformer, около 30B параметров, из них ~4B активных…
Nemotron-Labs-Diffusion-Uni (NLD-Uni)
единая дискретная диффузионная LLM от NVIDIA на 18B параметров, состоит из двух башен: понимание на 8B и генерация на 8B. Умеет понимать изображения, генерировать их по тексту (T2I, text-to-image) и редактировать…
📅 27.10
7 моделей
Genie 4
модель мира (world model) от Google DeepMind, которая в реальном времени покадрово генерирует интерактивные миры со звуком, физикой и диалогами персонажей; сцену можно менять текстовыми командами…
LFM3-1.7B
компактная текстовая LLM от Liquid AI: гибрид свёрток и attention, 1.7B параметров, контекст 256K токенов, около 1 ГБ в 4-бит…
LFM3-VL-2B
VLM (vision-language, модель «зрение + текст») от Liquid AI на 1.9B параметров, первая в линейке LFM с поддержкой видео. Лёгкий визуальный энкодер на 164M параметров, в среднем 71.4 по 62 визуальным бенчмаркам против 57.6 у LFM2.5-VL-3B; ли…
LFM3-Audio-2B
аудиомодель Liquid AI класса 2B для голосового чата, распознавания речи (ASR), синтеза речи (TTS) и перевода на 18 языков…
LFM3-Omni-2B
первая omni-модель Liquid AI (около 2B параметров): на вход принимает текст, изображения, видео и аудио, отвечает текстом или речью…
d1-2B
«модель решений» от Liquid AI на базе LFM3-VL-2B: по тексту, изображениям и видео выдаёт ответы с откалиброванной уверенностью…
d1-omni-2B
omni-вариант модели решений Liquid AI на базе LFM3-Omni-2B (около 2B параметров): кроме текста, изображений и видео принимает аудио и выдаёт откалиброванные ответы…
📅 24.10
2 модели
Dessa
speech-to-speech модель (речь на входе и на выходе) от исследовательской лаборатории Block (компания Square и Cash App). Она работает в режиме full-duplex, то есть слушает и говорит одновременно, и распознаёт эмоции, сарказм и паузы прямо п…
Kimi K3.1 Pro
флагманская LLM класса 3T (около 3 трлн параметров) от Moonshot AI с контекстом 1M токенов, вышла вместе с быстрой версией K3.1 Pro Highspeed. Модель сильна в агентном кодинге: 65,7% на Terminal-Bench 4.0 против 66,4% у Claude Opus 5.5…
📅 23.10
5 моделей
Kimi K3.1 Pro / K3.1 Pro Highspeed
флагманская модель Moonshot AI класса «3T» (около 3 трлн параметров) с контекстом 1M токенов. Доступна через Kimi API по $2/$10 за 1M токенов, Highspeed работает в 2–3 раза быстрее за двойную цену…
IQuest-Q1
открытая MoE-модель (Mixture of Experts) от IQuest на 320B параметров, из них 15B активных. Сделана для агентного кодинга в терминале и CLI (интерфейсе командной строки), при обучении контекст расширяли до 512K…
WeVisOne-VL
VLM (vision-language, модель «зрение + язык») от Tencent размером 2B и 4B с пиксельным декодером на 9.6M параметров. Одна модель умеет детекцию, поиск объектов по описанию, подсчёт, OCR, сегментацию и матирование…
RetiJev
семейство офтальмологических моделей для клинических решений на 0.8B, 2B и 9B, собранных из LoRA-адаптеров на базе Qwen3.5. Модель оценивает варианты ответа без генерации текста, тратя 158 мс на случай, и обходит 27B LLM на 10–23 пункта…
UserLM-2.0
модель-симулятор пользователя от исследователей Mustafa Omer Gul, Philippe Laban, Tanya Goyal и Jennifer Neville для тестирования диалоговых агентов. Обучена через RL с наградой за следование цели и естественность речи…
📅 22.10
3 модели
OlmoEarth v1.3 Base
новая версия фундаментальной модели для спутниковых снимков от Allen Institute for AI (Ai2). Она строит 128-мерный эмбеддинг (векторное представление) для каждого 10-метрового пикселя суши и прибрежных вод, а первые 64 измерения можно испол…
RetiJev
семейство офтальмологических «decision-моделей» размером 0.8B–9B параметров. Они не генерируют текст токен за токеном, а сразу оценивают варианты ответа, поэтому один клинический случай обрабатывается за 158 мс на одной GPU…
OpenAI Decisions API
быстрая «decision-модель» OpenAI для выбора действий агентами, с 22 октября доступна всем клиентам. Это не отдельно обученная модель, а перенастроенная ChatGPT Luna: время ответа сократилось с 1–3 секунд до 100–180 мс, появилась поддержка г…
📅 21.10
3 модели
Flint
модель для программирования от стартапа Recursive, рассчитанная на запуск на ноутбуке. Построена на MoE-архитектуре (Mixture of Experts): 39.8B параметров, из них около 2.5B активны на токен; контекст 256K токенов…
granite-speech-5.0-2b
речевая модель IBM Granite на 2B параметров. Состоит из Conformer-энкодера (свёрточного трансформера для аудио) и языковой модели Granite 4.0 1B…
Rerank 5
семейство моделей Cohere для переранжирования документов: решает, какие найденные фрагменты важнее всего передать в контекст LLM. Вышло в двух версиях, Pro и Fast; размер моделей не раскрыт…
📅 20.10
4 модели
Voxtral 3
голосовое семейство Mistral AI: распознавание речи (STT, speech-to-text) Small/Mini Transcribe 3 (Mini — 4B) и Realtime 3 с задержкой менее 500 мс на 50+ языках, а также синтез речи (TTS, text-to-speech) Speech 3 с клонированием голоса…
Eleven Realtime v1 Max / v1 Mini
две модели speech-to-speech (речь на входе и на выходе) от ElevenLabs для голосовых диалогов в реальном времени. Max отвечает за 0,57 с и набирает 98,8% на Big Bench Audio, Mini дешевле…
Cosmos3-H-Dreams
интерактивная модель мира от NVIDIA (~15B параметров, MoT-архитектура (Mixture of Transformers) с reasoning-блоком Qwen3-VL-8B и диффузионным генератором)…
MemT-1.0
семейство моделей со встроенной памятью от MemTensor: Nano (36B, 3B активных, на базе Qwen3.6-35B-A3B) и Flash (288B, 17B активных, на базе DeepSeek-V4-Flash), MoE-архитектура (Mixture of Experts)…
📅 19.10
5 моделей
MiniMax M3.1 Flash
быстрая LLM от китайской MiniMax для агентных задач. Число параметров не раскрыто, заявлена более агрессивная разреженность. Набирает 73,7% в DeepSWE и 61,7 в OSWorld V2, выдаёт более 200 токенов/с…
Kling 4.0 / Kling 4.0 Flash
новое поколение видеогенератора Kling AI (Kuaishou). Создаёт ролики до 30 секунд по 10 ключевым кадрам и до 15 референсам, добавлены стереозвук и синхронизация губ для 10+ языков. Облегчённая Flash-версия работает до 720p и 20 секунд…
FLUX 3 Max
закрытая видеомодель, которую fal.ai сделала вместе с Black Forest Labs на базе FLUX 3 Video. Генерирует видео со звуком длиной 5–20 секунд в 720p (с апскейлом до 1080p) из текста, изображения или ключевых кадров…
MOSS-Image
text-to-image модель (генерация изображений по тексту) от команды OpenMOSS (Фудань, Сипэн Цю). Это DiT-архитектура (Diffusion Transformer) на 5B параметров, обученная с нуля, с текстовым энкодером Qwen3.5-9B…
Xiaomi-Lens-0
мультимодальная LLM на 4B параметров на базе Qwen3.5 со встроенным декодером масок, команда SeerRay-Lab. Умеет сегментировать и находить объекты по текстовому описанию, а также рассуждать над изображением…
📅 17.10
1 модель
DeepSeek-V4.1-Flash-1017
открытая MoE-модель (Mixture of Experts) от DeepSeek: 552B параметров, из них 8B активны при чтении и 16B при генерации, контекст 1M токенов, лицензия MIT…
📅 16.10
7 моделей
Beam 1.0 501B-A23B
первая модель американской лаборатории Reflection: текстовая LLM с MoE-архитектурой (Mixture of Experts) на 501B параметров, из них 23B активных, и контекстом 1M токенов. Рассчитана на агентный кодинг…
Glimpse
первая модель стартапа Elorian из Пало-Альто, вышла как research preview. Это мультимодальная модель для визуального рассуждения: в процессе ответа она возвращается к изображению, вырезает фрагменты, берёт кадры из видео и запускает код для…
Intern Lumina U2
модель от Shanghai AI Laboratory: диффузионная языковая модель на MoE-основе (16B параметров, 1,4B активных). Понимает изображения, видео и 3D, генерирует картинки по тексту (T2I, text-to-image) и редактирует их…
Intern-Decision
семейство компактных мультимодальных «decision»-моделей от Shanghai AI Laboratory на 0,8B, 2B и 4B параметров, построенных на Qwen3.5…
InfoVis
модель на 9B параметров от CASIA, BAAI, Чжэцзянского университета и USTC, дообученная из FLUX.2-klein-base-9B. Одна модель генерирует слайды по тексту, по шаблону и по набору изображений, а также редактирует их по инструкции…
Orange Wolof LM
открытые LLM от 0,6B до 14B параметров, адаптированные Orange к языку волоф (около 23 млн носителей, в основном в Сенегале). Обучены с помощью instruction tuning, preference alignment и слияния моделей…
Verdict-MQ
открытый энкодер на 395M параметров от команды LEC-AI. Модель читает кейс один раз и отвечает сразу на все типизированные вопросы к нему; структурированная маска внимания делает ответы независимыми от порядка вариантов…
📅 15.10
7 моделей
Muse Spark Open
открытая мультимодальная модель Meta (текст, изображения, видео, аудио) на 816B параметров (42B активных) на MoE-архитектуре (Mixture of Experts) с контекстом до 1M токенов…
NVIDIA-Nemotron-3.5-Super-VL-120B-A12B
vision-language MoE-модель NVIDIA на 120B параметров (около 12B активных), дистиллированная из Nemotron 3 Ultra и рассчитанная на круглосуточную работу корпоративных агентов…
NVIDIA-Nemotron-3.5-Bolt-74B-A9B-24GB
компактная MoE-модель NVIDIA из того же семейства Nemotron 3.5: 74B параметров, 9B активных, агрессивная 2-битная квантизация…
FLUX 3 Image Klein
T2I-модель (text-to-image, генерация изображений по тексту) от Black Forest Labs на 5,6B параметров: генерирует и редактирует изображения в нативном 4K, принимает до 10 референсов…
Timestral
первое семейство базовых моделей Mistral AI для прогнозирования временных рядов: размеры 5M, 28M, 123M и 209M, контекст 32 768 шагов, вероятностные многомерные прогнозы…
Granite Switch 4.1
модели IBM Granite на 8B и 30B параметров, которые через один endpoint ведут чат, принимают решения и распознают речь. Для этого к базовой модели подключены адаптеры aLoRA (Activated LoRA, переиспользуют KV-кэш) для решений и проверки безоп…
Krea 3
закрытая модель Krea для редактирования изображений: правки в 2K меньше чем за 8 секунд, до 6 референсов, разметка областей рамками (bounding box) и дообучение LoRA под продукт или стиль…
📅 14.10
1 модель
HiRO-ACEv2
открытый климатический AI-эмулятор от Allen Institute for AI (Ai2). Он работает в две стадии: авторегрессионная модель ACE считает глобальный климат с разрешением 100 км, затем диффузионная модель HiROv2 детализирует его до 3 км…
📅 13.10
2 модели
Gemini 4 Argon
флагманская закрытая мультимодальная модель Google DeepMind, которая заменила линейку Gemini Pro. Её анонсировали 30 сентября, а 13 октября открыли по всему миру через платный Gemini API, AI Studio и подписку Google AI Ultra…
LFM2.5-24B-A2B
открытая reasoning-модель Liquid AI на 24B параметров, из них около 2B активных. Архитектура гибридная: MoE (Mixture of Experts, 64 эксперта, top-4 маршрутизация), короткие свёртки и GQA (grouped-query attention)…
📅 12.10
3 модели
Muse Wonder
первая фронтирная (передового уровня) модель Meta Superintelligence Labs для агентных задач: кодинг, работа в браузере и приложениях, функция Active Memory (долговременная память о пользователе)…
Muse Wonder Full
самая мощная версия Muse Wonder от Meta, обученная в дата-центре Prometheus. Meta заявляет лучшие результаты на MemoryBench, SWE-Marathon и Harvey LAB, а также сильные экспертные знания в праве, финансах и медицине…
GLM-Legal
агентная модель Z.ai (бывшая Zhipu) для юристов, построенная на облегчённой GLM-5.3-Flash и дообученная с RL (обучение с подкреплением) в десятках тысяч симулированных юридических сред…
📅 07.10
5 моделей
GPT-6 Sol
новая флагманская закрытая модель OpenAI для платных подписок ChatGPT (Plus, Pro, Business, Enterprise). Модель умеет отвечать прямо во время рассуждения, поэтому ждать ответа приходится на 44% меньше…
GPT-6 Luna
бесплатная версия GPT-6 от OpenAI для пользователей ChatGPT Free и Go, раскатывается с 8 октября. Она тоже поддерживает Intelligent UI: в зависимости от запроса ответ может прийти в виде графиков, кнопок или мини-приложений…
Claude Haiku 5.5
новая компактная закрытая модель Anthropic для больших объёмов задач с ограниченным бюджетом: суммаризации, классификации, поддержки клиентов…
d1-3B
открытая «модель принятия решений» от Liquid AI на 3B параметров. Это decoder-only VLM (vision-language model, модель для текста и изображений) на базе LFM2.5-VL-3B, которая быстро отвечает на вопросы о картинке и тексте вида «да/нет», кате…
d1-omni-600M
экспериментальная мини-модель принятия решений от Liquid AI на 600M параметров для edge-устройств (то есть для локального запуска на самом устройстве)…
📅 06.10
4 модели
Mistral Large 4
новый флагман французской Mistral AI: мультимодальная MoE-модель (Mixture of Experts, «смесь экспертов») на 1T параметров, из которых 49B активны, с гибридным режимом instruct/reasoning и поддержкой 160+ языков…
EmbeddingGemma 2
открытая мультимодальная embedding-модель от Google DeepMind на 740M параметров: текстовое ядро на 270M плюс энкодеры изображений и аудио…
Nano Banana 2.1
закрытая модель Google для генерации и редактирования изображений на базе Gemini 3.6 Flash, преемник Nano Banana 2. Генерирует в разрешении 1K/2K/4K, принимает до 14 референсов, сохраняет консистентность до 4 персонажей и лучше рендерит тек…
Falcon-Emirati-7B
языковая модель на 7B параметров от абу-дабийского TII, дообученная на эмиратском диалекте арабского. Построена на гибридной архитектуре Falcon-H1-Arabic (Mamba и Transformer-внимание работают параллельно) с контекстом до 128K токенов…
📅 05.10
2 модели
Beam
первая модель с открытыми весами от Reflection AI. Это MoE-модель (Mixture of Experts) на 501B параметров, из которых 23B активны, с контекстом до 1M токенов; она рассчитана на кодинг, reasoning и агентные задачи…
Rho-1
исследовательское превью omni-модели от Reka AI на 19B параметров. В одной нейросети с общим контекстом она понимает и генерирует текст, изображения и видео, а также выдаёт команды для управления роботами…
📅 01.10
7 моделей
Clef
открытая decision-модель (модель решений: вместо текста возвращает типизированные вероятности по схеме вопросов) от команды Workers AI в Cloudflare, 27B параметров поверх замороженного бэкбона Qwen3.8-27B с лёгкой «schema head»; контекст 64…
Clef-flash
младшая версия Clef от Cloudflare на 9B параметров (бэкбон Qwen3.5-9B), та же неавторегрессионная схема скоринга ответов и совместимость с Jev-API; выдаёт решения за 38.8 мс медианы и показывает 97.73% точного совпадения на доменных задачах…
Strands Decider 2B
компактная модель решений от Amazon (Strands Labs, AWS) на 2B параметров: LoRA-адаптер ранга 16 поверх Qwen3.5-2B-Base, где голова предсказания следующего токена заменена «указателем», скорящим предложенные варианты…
MAI-Transcribe-2-Streaming
первая потоковая модель распознавания речи от Microsoft AI: 60 языков с непрерывным автоопределением языка, WER 2.5% и финальный транскрипт через 0.13 с после окончания речи…
MAI-Voice-2.1
флагманская TTS-модель (text-to-speech, синтез речи) от Microsoft AI, самая высокоточная в линейке MAI, покрывает 23 языка и лидирует в бенчмарке по точности реалтайм-синтеза…
MAI-Voice-2.1-Flash
скоростной вариант TTS от Microsoft AI для голосовых ассистентов, агентов и колл-центров: генерирует 45 секунд аудио за 150 мс end-to-end…
Griffin
заявленная Tavus как первая «Human Interaction Model» full-duplex video-to-video модель (одновременно видит, слушает, говорит и реагирует в реальном времени, включая перебивания и жесты)…
Сентябрь
2026
📅 29.09
7 моделей
GPT-6.1 Sol
закрытая LLM среднего тира от OpenAI, представленная на DevDay 2026 и заточенная под агентный кодинг, computer use (управление компьютером) и профессиональные офисные задачи…
JEV-27B
открытая decision-модель (модель принятия структурированных решений) от AutoTrust AI: обучаемый блок решений на 108,9M параметров поверх замороженного бэкбона Qwen3.8-27B, выдающий и быстрые калиброванные типизированные вердикты, и полную г…
NVIDIA Kumo Tabular
открытая foundation-модель NVIDIA для табличных данных на 28M–215M параметров, построенная на in-context learning в духе TabPFN/TabICL: предсказывает метки новых строк за один прямой проход без обучения, тюнинга и feature engineering…
Dots
всегда включённые автономные агенты OpenAI на базе GPT-6 Astra, которые работают со своих собственных облачных компьютеров и подключаются к человеческим командам через ChatGPT Space…
Mercury Voice
диффузионная LLM (dLLM, генерация текста через диффузию, а не авторегрессию) от Inception, вышедшая в общий доступ для корпоративных клиентов…
Liquid d1
закрытая decision-модель Liquid AI для классификации, роутинга тикетов, скоринга, модерации и LLM-as-judge: вместо текста возвращает калиброванные вероятности по фиксированному набору исходов за один вызов, с нулём сгенерированных выходных…
GPT-6 Astra Ultrafast
ускоренный вариант флагманской модели OpenAI, запущенный на DevDay: до 300 токенов/с в Codex (в 8 раз быстрее обычного) и до 6× ускорения в API…
📅 28.09
8 моделей
Claude Sonnet 5.5
закрытая модель Anthropic, сменившая Sonnet 5: работает на 30%+ быстрее и до 30% дешевле в расчёте на задачу ($2/$10 за 1M токенов вход/выход) и почти догоняет Opus 5.5 на бенчмарках…
Holo4-27B
плотная (Dense) vision-language модель на 27B параметров от французской H Company на базе Qwen3.8-27B, контекст 262K токенов…
Holo4-35B-A3B
MoE-версия (MoE-архитектура, Mixture of Experts: 35B всего, ~3B активных) computer-use агента H Company на базе Qwen3.6, контекст 262K…
Holotron4-30B-A3B
«нано»-линейка семейства Holo4 от H Company: гибридная NemotronH MoE VLM (vision-language модель) на 30B параметров с 3B активных, дообученная поверх NVIDIA Nemotron 3 Nano Omni…
Jeff (Jeff-Qwen3.5-0.8B / 2B / Gemma4-E2B)
три компактные «решающие» модели от Firelex, дообученные из Qwen3.5 и Gemma 4 для zero-shot классификации: возвращают калиброванные вероятности по заданным вариантам за один проход, без генерации текста…
Eleven v4
новая флагманская text-to-speech (T2S, синтез речи) модель ElevenLabs на полностью переработанной архитектуре: выводит тон, темп и эмоцию прямо из текста, поддерживает 90+ языков, многоголосые диалоги и клонирование голоса по 10-секундной з…
Eleven v4 Turbo
низколатентный вариант Eleven v4 от ElevenLabs под голосовых агентов и realtime-сценарии: двунаправленный стриминг начинает отдавать аудио, не дожидаясь конца фразы, медианное время до первой речи ~150 мс…
Kling 4.0 Flash
облегчённая (быстрая) версия нового флагманского видеогенератора Kling 4.0 от Kuaishou: до 30 секунд видео в одной генерации, 4K и 10-bit HDR, стереозвук с точной синхронизацией губ, до 15 мультимодальных референсов и 10 ключевых кадров…
📅 27.09
11 моделей
Naive-N0.5-Flash
открытая MoE-модель (MoE — Mixture of Experts, «смесь экспертов») на 309B параметров (15.5B активных) от пекинского стартапа NaiveAI: гибрид SWA (sliding-window attention) и DeepSeek Sparse Attention вообще без слоёв полного внимания, натив…
MiMo-V2.6-Pro-MOPD
обновлённый флагманский чекпойнт Xiaomi MiMo: разреженная MoE на 1.02T параметров (42B активных) с контекстом 1M и входом «текст + изображение + видео + аудио»…
MiMo-V2.6-Flash-MOPD
лёгкая версия того же обновления Xiaomi: MoE 309B / 15B активных, vision-энкодер MiMo ViT на 681M, аудиотокенизатор на 308M и 5-слойный спекулятивный декодер MTP (multi-token prediction), контекст 1M…
Rene-1-31B-FP8
«решающая» модель на 31B в формате FP8 от Salfati Group: отвечает на да/нет, множественный выбор и шкальные вопросы по документу за один прямой проход, возвращая калиброванные вероятности вместо генерации текста…
Darwin-27B-RSI
dense-модель на 27B семейства Qwen3.5 в BF16 от VIDRAFT и FINAL-Bench, улучшенная исключительно на сигналах, которые сгенерировала сама (RSI — recursive self-improvement), без единой человеческой разметки. Прибавка +5.24 п.п…
MiniMax M3.1-Flash-Preview
быстрая текстовая модель MiniMax для повседневной разработки (от багфиксов до целых фич), выкаченная сразу внутрь агента MiniMax Code с контекстом 1M и пятью уровнями reasoning…
Irodori-TTS-v4-Large
японская T2S-модель (text-to-speech, синтез речи) на 3.29B от Aratako: Rectified Flow Diffusion Transformer с текстовым энкодером T5Gemma 2 и аудиокодеком DACVAE…
Fun-ASR-Nano-2512 (LiteRT)
конверсия модели Tongyi Lab в формат LiteRT-LM силами LiteRT Community: энкодер SenseVoice SAN-M на 70 слоёв плюс Qwen3-0.6B в int8, весь бандл 1.26 ГБ…
Cent1-1B
компактная dense-модель на 1.72B от CentIo, дообученная из Qwen3-1.7B (28 слоёв, контекст 40 960 токенов) под вызов функций и численные рассуждения по финансовой отчётности…
SupraTTS-0.1-Beta
англоязычная одноголосая TTS от SupraLabs всего на ~43.6M параметров: Glow-TTS с 12 flow-блоками и вокодером HiFi-GAN v1…
Taiga-S1
крошечный 3-слойный трансформер на 1.2M параметров от разработчика shhivv, обученный с нуля управлять FreeCAD: выбирает CAD-команды под заданную цель за ~1 мс на CPU, без LLM и vision-моделей…
📅 26.09
12 моделей
Intern-Decision-4B
мультимодальная «решающая» модель от InternLM (Shanghai AI Lab) на 4,54B параметров, дообученная из Qwen3.5-4B: принимает состояние, схему вопросов и до 8 изображений и за один forward-pass выдаёт калиброванное распределение ответов вместо…
Intern-Decision-2B
средняя модель того же семейства InternLM на базе Qwen3.5-2B: структурированные решения типов choice / score / yes-no с вероятностями, вход до 8192 токенов…
Intern-Decision-0.8B
самая лёгкая версия семейства (из Qwen3.5-0.8B, ~853M параметров, ~1,71 ГБ), рассчитанная на маршрутизацию запросов, классификацию и гейты внутри агентов…
Gyro Decision 1.0
компактная трансформерная decision-модель от команды Gyroscape на 450,5M параметров (~1,7 ГБ, BF16), обученная на A100: работает по контексту и набору кандидатов, выполняя выбор, ранжирование, скоринг, роутинг и отказ от ответа…
GLiNER2.5-Decide-LiteRT
порт модели fastino/GLiNER2.5-Decide (энкодер DeBERTa-v3) на LiteRT от сообщества litert-community для запуска на GPU Android-смартфона в FP32…
Huihui-GLM-5.3-Flash-abliterated-GGUF
расцензурированная (abliterated) GGUF-сборка мультимодальной MoE-модели (MoE — Mixture of Experts) GLM-5.3-Flash от Z.ai, выполненная командой huihui-ai: аблированы только слои 15–35, экспертные модули не тронуты…
OrcaSAQ-2-Cyber-27B-Uncensored-GGUF
смешанно-точностная imatrix-квантизация модели Qwen3.8-27B-Uncensored от OrcaRouter с уклоном в кибербез-задачи, reasoning и вызов функций…
Julia 1
открытая decision-модель на 144,3M параметров от бразильской Supersonic Labs, построенная на энкодере mmBERT-small с добавленной «решающей» головой; возвращает softmax-вероятности по вариантам без генерации текста…
ThaiLLM-8B (KordAI)
8B-модель на архитектуре Qwen3, собранная через Unsloth и заточенная под тайский язык: диалог, инструкции и вопросы-ответы с системным промптом на тайском…
Ling-3.0-Tiny-DSpark-GGUF
GGUF-конвертация и квантизации (от BF16 до TQ1_0) draft-модели Ling-3.0-Tiny-DSpark для спекулятивного декодинга в llama.cpp…
Saaras V4
ASR-модель от индийской Sarvam AI: аудиоэнцодер + гибридный state-space декодер Sarvam-3B на 3B параметров, покрывающая все 22 официальных языка Индии плюс глобальный английский в пяти режимах вывода (транскрипт, verbatim, code-mix, трансли…
Exa Agent Ultra
высший уровень «усилия» агентного API от Exa: оркестрирует роем субагентов на фронтирных и быстрых моделях для исчерпывающего сбора списков, обогащения сущностей и многоисточникового поиска…
📅 25.09
15 моделей
Altar-1
первая открытая security-модель от Aikido Security: MoE-архитектура (Mixture of Experts) на 504B параметров (~40B активных), выжатая из GLM-5.3 методом REAP-прунинга экспертов и квантования INT4 W4A16 до 328 ГБ…
Agate Preview 001
компактная text-to-image модель на 260M параметров от LogoLabs (Люксембург/EuroHPC), обученная с нуля всего за 145 GPU-часов на rectified flow…
JPT-9B
мультимодальная decision-модель на 9B параметров (дообученный Qwen3.5-9B) от независимого разработчика kirp: принимает текст и изображения плюс типизированные вопросы и за один forward pass отдаёт калиброванные вероятности без генерации тек…
Mica v0.1 4B
небольшая decision-модель на 4B параметров (Qwen3.5-4B + слитый LoRA ранга 16) для классификации и роутинга: отвечает yes/no, выбором из 2–255 вариантов или оценкой по шкале за один prefill…
Tev1-0.8B-experimental
экспериментальная decision-модель на 0.8B параметров от Together AI, SFT-дообучение Qwen3.5-0.8B для выбора одного варианта из структурированного набора 2–24 опций…
SnapJudge 2.0
неавторегрессивное семейство System-1 моделей от Seedyai: 421M активных / 2.5B всего параметров на бэкбоне ModernBERT-large, обучено методом RLCD…
Lumma-fev-0.1b
крошечная decision-модель на 154M параметров от FrontiersMind (дообучена из собственной Nandi-Mini-150M): читает документ и типизированные вопросы, возвращая распределения вероятностей за один проход, вообще без генерации текста…
Nanosaur2-670M
иллюстративная text-to-image модель на 670M параметров (DiT — Diffusion Transformer с 2D RoPE, SwiGLU, QK-norm и разреженными блоками SPRINT) от независимого автора well9472, с замороженным текстовым энкодером gemma-3-270m и DINOv2-VAE…
POCKET-Zimage-CPU
CPU-сборка (GGUF-квантование) генератора изображений Z-Image-Turbo от команды FINAL-Bench для линейки POCKET: text-to-image полностью без GPU, на ноутбуке или edge-устройстве через stable-diffusion.cpp…
indus-pocket-tts
text-to-speech модель на 110M параметров от индийской Indus Labs, дистиллят 6-слойной версии Kyutai Pocket TTS для хинди и хинглиша…
Multilingual Zero-Shot Classifier (small)
zero-shot классификатор на 141M параметров от Horizon-Labs на базе mmBERT-small: размечает текст произвольными метками на 30+ языках без обучения, как замена facebook/bart-large-mnli, но меньше и мультиязычно…
Zap
миниатюрный BERT-классификатор веб-форм на 20.7M параметров (41 МБ bf16, плюс ONNX fp32/int8) от ProCreations для менеджеров паролей: определяет 26 типов полей и 11 назначений форм локально в браузере…
TAEQI2.1
крошечный автоэнкодер от madebyollin, повторяющий «латентный API» VAE модели Qwen-Image-2.1 (16× пространственное сжатие, 64 латентных канала, RGBA)…
MiniMax-H3-Character-Swap-LoRA v1
экспериментальный video-to-video LoRA-адаптер от Akatz Labs к открытой омни-модели MiniMax-H3 (режим Ref2VA): подменяет выбранного персонажа в видео по одному референсному изображению, сохраняя исходную сцену…
Smart Route
роутинг-модель от LLM Gateway, доступная только через облачный OpenAI-совместимый API: встроенный классификатор оценивает каждый запрос и направляет его в одну из моделей, подключённых организацией, с автоматическим фолбэком при сбое провай…
📅 24.09
6 моделей
FLUX 3 Action
открытая world-action модель (WAM — world action model) на 7B параметров от Black Forest Labs: по кадрам камер, состоянию робота и текстовой инструкции выдаёт моторные команды и предсказание будущих кадров…
FLUX 3 Action DROID
вариант FLUX 3 Action от Black Forest Labs, дообученный на датасете DROID под манипуляции реальными роботами; те же 7B параметров, BF16-чекпоинт DiT, лицензия FLUX Kommunity License v1.0, нативная интеграция с LeRobot и edge-развёртывание н…
LFM2.5-VL-3B-DSpark
черновая (draft) модель на 279,5M параметров от Liquid AI для speculative decoding: ускоряет VLM (vision-language model) LFM2.5-VL-3B без изменения ответов — до 3,13× на устройстве и 2,66× на H100 при +8,9% памяти…
Rufus-Air
открытый воспроизводимый рецепт пост-тренинга от Amazon поверх GLM-4.5-Air-Base (MoE-архитектура (Mixture of Experts), 106B параметров, 12B активных): восемь стадий от SFT и RL на ризонинг/код до агентных стадий и RLHF, на открытых данных…
InternW0
фундаментальная физическая world-модель от Shanghai AI Laboratory: асимметричная архитектура «видео-эксперт + лёгкий action-эксперт» на flow matching, обучена на ~7200 часах робо- и эгоцентрического видео…
BanglaTurn
бенчмарк и модель детекции конца реплики (end-of-turn) для бенгальской речи: энкодер Whisper плюс задачные классификационные головы, 84,33% точности на разговорной речи; корпус и модель опубликованы вместе со статьёй (https://arxiv.org/abs/…
📅 23.09
7 моделей
Gemini 3.8 Flash TTS
закрытая text-to-speech-модель Google DeepMind с генеративным дизайном голоса: новый голос создаётся из текстового описания, есть построчная «режиссура» (акцент, темп, смена диалекта), 2000+ готовых голосов и 100+ языков…
Gemini 3.8 Flash-Lite TTS
облегчённая версия TTS-модели Google для высоконагруженных сценариев: дубляж, озвучка контента и голосовые агенты с тонкой настройкой тона…
Qwen-Audio-3.1
обновлённый аудио-стек из пяти закрытых моделей от команды Qwen (Alibaba): ASR, ASR-Next, TTS, TTS-Next и Realtime. TTS-Next комбинирует языковую модель с диффузией и генерирует речь, звуковые эффекты и фон за один проход; Alibaba одновреме…
FLUX 3 Action
открытая world-action модель (WAM) на 7B параметров от Black Forest Labs: принимает кадры с камеры, состояние робота и текстовую инструкцию, а затем одновременно предсказывает 32 действия и будущие видеокадры…
FLUX 3 Action Droid
специализированный чекпойнт того же семейства от Black Forest Labs, дообученный под платформу DROID и готовый к запуску как политика управления без дополнительной адаптации головы действий…
Nemotron 3 Diarization
компактная open-weight модель NVIDIA на 100M параметров: 31-слойный трансформер-энкодер с RoPE, работающий по мел-спектрограммам и выдающий вероятности активности до 8 говорящих с разрешением 10 мс…
Ovis-Omni-Embedding-3B
универсальная омни-модальная embedding-модель на 3B параметров от команды ATH-MaaS на базе Qwen2.5-Omni-3B: один общий трансформер-бэкбон кодирует текст, изображения, документы, видео и аудио в единое пространство для any-to-any поиска и RA…
📅 22.09
8 моделей
Claude Opus 5.5
флагманская закрытая модель Anthropic, первая в волне 5.5: по большинству рабочих задач держит уровень Fable 5.1, но обходится на 40% дешевле Opus 5 ($4/$20 за 1M токенов) и выдаёт токены на 30% быстрее…
GPT-6 Sol
закрытая модель OpenAI среднего тира под регулярный кодинг и агентские задачи, ценой $2/$10 за 1M токенов (вдвое дешевле GPT-5.6)…
GPT-6 Luna
младшая и самая дешёвая модель линейки GPT-6 от OpenAI, заточенная под массовые рутинные операции: извлечение данных, суммаризацию и клерикальный поток…
MiMo-V2.6-Pro
флагманская омнимодальная reasoning-модель Xiaomi на триллион параметров с MoE-архитектурой (Mixture of Experts, «смесь экспертов»), нативно принимает текст, изображения, видео и аудио при контексте 1M токенов…
MiMo-V2.6-Flash
облегчённая омнимодальная модель Xiaomi на 159B параметров с тем же контекстом 1M токенов и полным набором модальностей, рассчитанная на высокочастотные вызовы и массовые задачи…
MiMo-V2.6-Distill-Qwen-9B
компактная дистиллированная версия MiMo-V2.6 на базе Qwen на 9B параметров, выпущенная Xiaomi вместе со старшими моделями и RL-стеком (7000+ сред обучения с подкреплением)…
MiMo-V2.6-Pro-UltraSpeed
скоростной вариант флагмана Xiaomi: то же качество, что у Pro, но до 20 раз быстрее генерация, под real-time и чувствительные к задержке сценарии…
WorldCrafter
видео-world-model от ARC Lab (Tencent) с неявной 3D-осознанной памятью, запрашиваемой по положению камеры; генерирует согласованное исследование сцены из картинки или текста (image-to-video и text-to-video) с управлением траекторией камеры…
📅 16.09
2 модели
GLiFormer (base-v1 / large-v1)
схема-обусловленный энкодер от украинской команды Knowledgator Engineering на базе DeBERTa, две версии: 264M и 575M параметров…
LimiX-2
табличная foundation-модель на 400M параметров от StableAI (архитектура Contextual Mechanism Network с предобучением Context-Conditional Masked Modeling на синтетике из структурных причинных моделей)…
📅 15.09
4 модели
Gemini 3.8 Live
закрытая speech-to-speech (аудио-в-аудио) модель Google DeepMind для голосовых агентов: ведёт диалог почти в реальном времени, сама определяет и переключает 97 языков посреди разговора и вызывает инструменты в фоне, не прерывая речь…
Gemini 3.8 Live Extended Thinking
вариант той же аудиомодели Google DeepMind с фоновым рассуждением прямо во время живого разговора, для многошаговых голосовых задач…
Koa
первая собственная reasoning-модель Salesforce, сделанная вместе с NVIDIA: дообучение (SFT + RL с GRPO) поверх открытой NVIDIA Nemotron 3 Super на 120B параметров, гибридная Mamba-attention MoE-архитектура (Mixture of Experts)…
Cartesian
генеративная 3D-модель стартапа Formas для архитектуры и промышленного дизайна: строит геометрию по тексту, скетчу или готовой модели…
📅 11.09
2 модели
Fugu Max
от японской Sakana AI: не монолитная модель, а обученный мульти-агентный оркестратор (роутер, распределяющий задачу по пулу открытых и специализированных моделей за одним API), контекст 1M токенов, поддержка изображений и вызова инструменто…
Fugu Ultra v2.0
флагманская конфигурация того же оркестратора Sakana AI, настроенная не на цену, а на максимум качества в сложных многошаговых рассуждениях, программировании и разборе графиков; контекст 1M токенов, vision и структурированный JSON-вывод…
📅 10.09
5 моделей
DeepSeek-V4.1-Flash
открытая мультимодальная MoE-модель (Mixture of Experts — «смесь экспертов») от DeepSeek: 552B параметров при всего 8B активных на префилле и 16B на декоде, архитектура Causal Encoder-Decoder из 40 слоёв и контекст 1M токенов с нативным пон…
North-Small-Translate-1.0
специализированная переводческая MoE-модель от Cohere Labs (совместно с RWS/Language Weaver): 218B总 параметров, 25B активных, окно 16K вход / 16K выход, 50+ языков и локалей…
SWE-2
закрытая агентная модель для кодинга от Cognition, дообученная поверх открытой Kimi K3 от Moonshot (2.8T параметров, ~104B активных) единым RL-прогоном сразу для уровней medium/high/max…
GPT-Live-1
закрытая полнодуплексная речевая модель OpenAI, которая слушает и говорит одновременно, обрабатывает перебивания и вызывает инструменты в реальном времени, заменяя связку STT → LLM → TTS одной сетью…
Gen-1 Slides
первая собственная модель Genspark, заточенная под генерацию готовых презентаций по одному запросу; построена на открытой базе MiniMax M3 и дообучена через RL прямо в продакшене AI Slides с циклом планирование → генерация страниц → рендер →…
📅 09.09
8 моделей
Gander (Omni Interaction Agent)
открытая omni-модель на 9B параметров от Tencent Hunyuan Speech Team совместно с ZJU, SJTU, CUHK и NTU: потоковая обработка видео, речи и текста в схеме Thinker-Talker с полнодуплексным диалогом и перебиваниями; веса, код и данные под Apach…
NeoHorse-1 (4B / 9B)
агентные dense-модели команды TokenRhythm на базе Qwen3.5 с контекстом 262K токенов (расширяем до ~1M), заточенные под работу с инструментами, кодинг и следование инструкциям…
Granite TimeSeries PatchTST-FM-r2
фундаментальная модель временных рядов от IBM Research на ~385M параметров с Conformer-блоками и контекстом 8192 шага; делает zero-shot прогноз с 99 квантилями и импутацию пропусков без дообучения…
Marigold V2
Diffusion-Transformer (диффузионный трансформер) от HUAWEI Bayer Lab, EPFL и Университета Болоньи для монокулярной оценки глубины, нормалей и альбедо: 4-битная квантизация плюс QLoRA rank-128 поверх Qwen-Image-Edit-2509 и вывод за один шаг…
OpenWAM-α
открытая world-action модель (мир + действие) от консорциума китайских лабораторий, обученная на ~6400 часах эгоцентрического видео людей и роботов (518.5M кадров); покрывает одноруких, двуруких роботов и ловкие кисти, лидирует на 8 симуляц…
GE-Act 2.0
world-action модель для роботизированной манипуляции от AgiBot Research: контроль-ориентированный автоэнкодер, одношаговый визуальный планировщик и модель обратной динамики…
Suno v6 / v6-wild
закрытые генеративные музыкальные модели Suno, разработанные совместно с Warner Music Group, BMG и Believe: мультимодальный вход (текст, аудио, изображения, видео) и правка отдельных частей трека обычным текстом без перегенерации…
Suno v6-mini
облегчённая и быстрая версия шестого поколения Suno, открытая всем пользователям, включая бесплатный тариф; сохраняет мультимодальный ввод и покомпонентное редактирование песни, но веса не публикуются — доступ только через облако (https://s…
📅 08.09
7 моделей
Nex-N2.5-Max
флагман нового семейства агентных моделей от Nex-AGI: текстовая MoE-архитектура (Mixture of Experts — «смесь экспертов») на 1.6 трлн параметров с контекстом 262K токенов, заточенная под сложный reasoning, кодинг и длинные агентные сценарии…
Nex-N2.5-Pro
мультимодальная VLM (vision-language model — модель «зрение + язык») на 397B параметров от Nex-AGI для computer use: умеет управлять браузером и десктопом, запускать код и проверять результат по визуальной обратной связи…
Nex-N2.5-mini
компактная мультимодальная MoE-модель на 35B параметров от Nex-AGI, построенная на базе Qwen3.5, с контекстом 262K и переключаемыми режимами «думания»…
Mercury 2.5
крупнейшая на сегодня диффузионная языковая модель (dLLM — генерирует токены параллельно, уточняя черновик, а не слева направо) от Inception Labs, с контекстом 260K токенов…
GPT-Image-2.5 Flare
закрытая генеративная image-модель OpenAI, дефолтный вариант для массовых сценариев: соцконтент, продуктовые изображения, визуальный поиск, быстрое прототипирование…
GPT-Image-2.5 Sunburst
премиальная версия той же линейки OpenAI, рассчитанная на продакшн-креатив и многораундовое точное редактирование с сохранением персонажей и объектов с референсных фото…
Muse
персональный AI-агент Meta на одноимённом семействе моделей Muse: не просто отвечает, а выполняет задачи — покупки, бронирование билетов, запись на приём, заполнение форм…
📅 07.09
7 моделей
MiniCPM5-2B
плотная (dense) LLM на 2,52B параметров от OpenBMB: 42 слоя, GQA (grouped-query attention), нативный контекст 131K токенов, лицензия Apache 2.0…
Qwen-Drive 1.0
vision-language модель (VLM, «зрение + язык») на 4B от команды Alibaba Qwen и Хуачжунского университета науки и технологий для автономного вождения: BEV-голова (bird's-eye view, вид сверху) для 3D-детекции, VQA по дорожной сцене и diffusion…
OxCoder-9B
компактная кодинг-модель на 9B от OrionLLM на базе Qwen3.5-9B, дистиллированная из агентских трейсов Fable 5.1 и GLM-5.3 в Claude Code, OpenCode и Codex…
MiniCPM5-2B-GPTQ
официальная 4-битная квантованная сборка MiniCPM5-2B от OpenBMB, выложенная на следующий день после базовой модели; тот же контекст 131K и лицензия Apache 2.0, но заметно меньше требования к памяти для edge-устройств и потребительских GPU (…
JustRL-II-base-model
стартовый RL-чекпоинт от OpenBMB/THUNLP на архитектуре LlamaForCausalLM с длинными цепочками рассуждений (long-CoT); даёт 61% на AIME 2025 до обучения с подкреплением и 81% после рецепта JustRL II за ~300 шагов…
amx-reasoning-v1-instruct
исследовательская causal-LM на 7,49M параметров (3,3M активных на токен) с чередованием chunked sliding-window attention и linear attention с лог-затуханием…
SupraNeo-4M
крошечная decoder-only модель на 4,07M параметров от SupraLabs (архитектура Qwen3, 12 слоёв, hidden 160, контекст 1024), обученная с нуля на одной A100…
📅 04.09
11 моделей
LLaDA-Image
открытая модель генерации и редактирования изображений от inclusionAI (команда Ant Group): 6B Diffusion Transformer, обученный с нуля, в связке с замороженным блоком понимания на базе диффузионной языковой модели LLaDA2.0-Mini…
LLaDA-Image-Turbo
дистиллированная быстрая версия LLaDA-Image от inclusionAI, генерирующая изображение за 2–4 шага сэмплирования вместо 50 при сопоставимом качестве…
Puffin-World
унифицированная мультимодальная модель мира от S-Lab NTU, Мичиганского университета и ACE Robotics: связка энкодера C-RADIO, LLM Qwen и диффузионного трансформера (8.1B в версии Pro) с представлением Omni-Camera…
Jina-OCR-v1
OCR-модель сквозного разбора документов от Jina AI: MoE-архитектура (Mixture of Experts — смесь экспертов) на 3B параметров с ~570M активных на токен, наследует сжимающий визуальный энкодер DeepSeek-OCR и спекулятивное декодирование FastMTP…
mnma_qwen3.8_27b_nvfp4
27B гибридная LLM от Minima AI (16 слоёв softmax-внимания + 48 слоёв линейного Gated DeltaNet), полностью квантованная в NVFP4 W4A4 по всем 496 линейным слоям…
Wayu-Paxa-TTS-Edge
компактная тайская TTS-модель (text-to-speech — синтез речи) на 82M параметров от команды Kunat Pipatanakul, обученная целиком на синтетической речи от крупной модели-учителя клонирования голоса…
WorldReward
reward-модель на базе VLM (vision-language model — модель «зрение + язык») для попарного сравнения видео от моделей мира с управлением камерой…
FlashRender
генеративный рендерер от EverEx и соавторов, пересобирающий исходное видео вдоль заданной траектории камеры за секунды. Строится на camera-controlled video MeanFlow с on-policy дистилляцией потоковых карт, что даёт в 25 раз меньшую стоимост…
LatentPress
система сжатия контекста от Zhengze Zhou и Hejian Sang: лёгкие адаптеры на 4.2M–26.2M параметров (~0.1% от размера декодера) превращают диалоги и длинные документы в непрерывные memory-токены поверх замороженной LLM…
RoboTok
движок поиска демонстраций интернет-масштаба от Rice RobotPI Lab для обучения ловкой манипуляции роботов. Строит латентное пространство движений по 3D-траекториям кистей рук в акторо-центричных системах координат и по видео-запросу находит…
Project HydraFusion
закрытый оркестратор моделей от GitHub, вышедший в research preview в GitHub Copilot CLI: строит план выполнения из моделей разных провайдеров по схемам Single, Cascade и Critique. На TerminalBench 2.1 даёт +4.9 п.п…
📅 03.09
9 моделей
GPT-6 Astra
флагманская закрытая модель OpenAI, доступная только через API (метка gpt-6-astra, $10/$50 за 1M токенов) и в ChatGPT Plus/Pro/Business/Enterprise; усилена в кодинге, ресёрче и управлении компьютером…
K2 Horizon
семейство из шести полностью открытых моделей от Institute of Foundation Models (MBZUAI): от 0.9B до 375B-A23B, dense и MoE-архитектура (Mixture of Experts), а вариант 36B-A4B добавляет Mixture-of-Value Attention…
MAI-Transcribe-2
закрытая модель распознавания речи от Microsoft AI, доступ только через облачный API по цене $0.10 за час аудио. Поддерживает 60 языков с автоопределением, диаризацию говорящих, пословные таймстемпы и hotwords; первое место на FLEURS со сре…
NeoMME
мультимодальный энкодер от H Company на 260M и 800M параметров: единый двунаправленный трансформер обрабатывает текст и сырые патчи изображений 32×32, контекст 16 384 токена, словарь на 131k…
VibeVoice-ASR-Streaming
потоковые ASR-модели (автоматическое распознавание речи) от Microsoft Research на 1.5B и 7B параметров: транскрибируют и одновременно определяют говорящего прямо во время поступления аудио…
Jina-OCR-v1
документ-парсер от Jina AI: MoE-декодер на 3B (~570M активных параметров) поверх сжимающего визуального энкодера DeepSeek-OCR плюс спекулятивное декодирование FastMTP…
SolarWM
открытый стек видео-world-моделей (модели мира) от CUHK-Shenzhen и партнёров: четыре модели на 5B–33B, построенные на Wan2.2, LTX-2.5 и MiniMax-H3, обучены на 1.43M клипов из 10 датасетов…
WeatherNext 3
погодная модель Google DeepMind и Google Research на архитектуре Functional Generative Network (mesh-трансформер), обновляет прогноз ежечасно по живым спутниковым снимкам с разрешением 5–25 км…
Wayu-Paxa-TTS-Edge
компактная TTS-модель (text-to-speech) на 82M параметров для тайского языка, дистиллированная из большой voice-cloning модели-учителя и работающая на устройстве без референсного аудио…
📅 02.09
9 моделей
Gemini 3.8 Flash
закрытая быстрая reasoning-модель Google DeepMind, третий Flash-релиз за шесть недель; набирает 73,7% на агентном кодинг-бенчмарке DeepSWE v1.1 (почти вровень с Claude Opus 5 — 74,0%) при вводной цене $0,75/$3,75 за 1M токенов, доступ тольк…
Gemini 3.8 Flash Cyber
специализированный кибербезопасный вариант Gemini 3.8 Flash от Google для проактивной защиты сетей госструктур и операторов критической инфраструктуры; веса закрыты, доступ выдаётся только проверенным организациям через программу Fairwind (…
Muse Spark 1.3
мультимодальная reasoning-модель Meta с контекстом 1 048 576 токенов, принимает текст, изображения, видео, PDF и аудио; заточена под длинные агентные и multi-agent workflow и тратит примерно на 20% меньше вызовов инструментов и на 25% меньш…
Qwen3.8-Max-0902
обновлённый снапшот флагмана Alibaba Qwen: 2,4T параметров и контекст 1M токенов, дополнительно дообучен на кодинге и офисных «Cowork»-сценариях…
Qwen-Drive-1.0
VLM (vision-language model, зрение+язык) от команды Qwen для автономного вождения на базе Qwen3.5-4B: объединяет 3D-восприятие через BEV-голову (bird's-eye-view, вид сверху), визуальные вопросы-ответы и планирование траектории эго-автомобил…
UI-Venus-2
GUI-агент от Venus Team (Ant Group) в версиях 9B и 27B, управляет мобильными приложениями, вебом и десктопной ОС только по скриншотам; обучен на 170+ мультиязычных приложениях…
H3-World
интерактивная world-model, превращающая 33B видеогенератор MiniMax-H3 в управляемую естественным языком среду: точное управление персонажем и камерой достигается LoRA-дообучением всего 0,199% параметров плюс temporal attention routing…
ChatGPT Mil
закрытая версия ChatGPT от OpenAI, развёрнутая в защищённом контуре GenAI.mil Министерства войны США; ориентирована на административные задачи, логистику и планирование, веса недоступны, работа идёт внутри государственной инфраструктуры (ht…
Grok for Government
вариант Grok от xAI (через Starshield AI), запущенный на платформе GenAI.mil Министерства войны США; применяется для анализа закупок и управления цепочками поставок, доступен только внутри государственного контура без публикации весов (http…
Август
2026
📅 24.08
5 моделей
Laguna S 2.1
открытая MoE-модель (Mixture of Experts, смесь экспертов) на 118B параметров (8B активных) от Poolside для агентного кодинга, контекст 1M токенов, лицензия OpenMDW-1.1…
Wan3.0-Video
закрытая text-to-video (T2V) модель Alibaba: ролики до 30 секунд в 480P–1080P из текста, изображений и документов (PDF/PPT) с референсным сохранением персонажей…
Thomson 1.0
первый собственный LLM Thomson Reuters: дообучен из открытой базы (Qwen) за $40 млн на корпусах Westlaw/Practical Law для юридических и налоговых задач, LegalBench 0.823…
GLiNER2.5
семейство NER-моделей (извлечение именованных сущностей) от Fastino на энкодерах DeBERTa-v3: чекпоинты 74M/194M/287M параметров, лицензия Apache 2.0…
GEN-1.5
закрытая робототехническая модель Generalist AI: мультимодальный трансформер (видео, сенсоры, язык, проприоцепция) с памятью 30 секунд и выдачей действий на 100 Гц…
📅 20.08
8 моделей
dots3-note Preview
Первая открытая модель Xiaohongshu (лаборатория dots.studio): MoE-архитектура (Mixture of Experts) на 280B параметров, 16B активных, контекст 512K токенов; понимает текст, изображения, видео и звук…
Ling-3.0-tiny-base
Базовая версия (без пост-тренинга) MoE-модели Ling-3.0-tiny от Ant Group: 7.9B параметров, из них 1.3B активных. Открыты чекпоинты трёх стадий обучения — претрейн, мидтрейн и финал — для дообучения под код и RL-исследования; лицензия MIT (h…
Ling-3.0-flash-base
Базовая версия флагманской MoE-модели Ling-3.0-flash от Ant Group на 124B параметров (5.1B активных) с поддержкой длинного контекста…
LFM2.5-DSpark
Черновые (draft) модели Liquid AI по ~300M параметров для спекулятивного декодирования LFM2.5: ускоряют инференс до 3,2 раза без изменения выходов — до 1362 токенов/с на H100 и 389 на MacBook…
LFM2.5 QAD Q4_0
Q4_0 GGUF-чекпоинты моделей LFM2.5 (230M, 350M, 1.2B, 2.6B) от Liquid AI, обученные методом QAD — дистилляцией с учётом квантования, возвращающей 97% точности BF16 при том же размере…
S1-mini
Открытая модель Superwhisper на 0.6B параметров (файнтюн Qwen3-0.6B), превращающая сырые транскрипты распознавания речи (ASR) в чистый текст: убирает слова-паразиты, расставляет пунктуацию, форматирует письма и списки…
FastWan-QAD
Семейство моделей генерации видео Hao AI Lab на базе Wan2.x размерами 1.3B/5B/14B: дистилляция с учётом квантования (QAD) и трёхшаговый сэмплер позволяют RTX 5090 генерировать 5 секунд видео 480p за 1,8 секунды, а Mac — за ~30 секунд…
GEN-1.5
Робототехническая фундаментальная модель стартапа Generalist AI (основатели — выходцы из DeepMind и Boston Dynamics): vision-language-action архитектура обрабатывает видео, сенсоры и язык и выдаёт действия с частотой 100 Гц…
📅 13.08
8 моделей
DeepSeek-V4-Pro
флагманская MoE-модель (Mixture of Experts) DeepSeek на 1,6T параметров (49B активных) с контекстом 1M токенов, официально вышедшая из четырёхмесячного превью; заточена под агентные задачи: поддержка Responses API, интеграция с Codex и спек…
Qwen3.8-2.4T-A95B
первый открытый флагман уровня Max от Alibaba Qwen: MoE-модель на 2,4T параметров (95B активных, 512 экспертов на слой) с контекстом 262K токенов, расширяемым до ~1M; работает в режиме размышлений по умолчанию и набирает 93,0 на PaperBench…
Motif-3
финальный релиз открытой MoE-модели южнокорейской Motif Technologies на 314B параметров (13,2B активных) с фирменным вниманием GDLA и контекстом 256K токенов; обучена на 12,5T токенов и набирает 47 баллов на Artificial Analysis Intelligence…
Ling 3.0 Flash
открытая MoE-модель inclusionAI (Ant Group) на 127B параметров; по данным Artificial Analysis — самая умная открытая модель среди систем с менее чем 124B суммарных параметров (38 баллов AAII), галлюцинации снижены с 97% до 44% в тесте Omnis…
Intern-S2-Preview-397B
научная агентная мультимодальная MoE-модель Shanghai AI Laboratory (InternLM) на 397B параметров (~120B активных) с опциональным модулем памяти Intern-MemDec-4B; умеет понимать, рассуждать и генерировать в научных задачах, включая прогнозир…
Gemini 3.7 Flash
закрытая модель Google для кодинга и агентных рабочих процессов, вышедшая всего через три недели после Gemini 3.6 Flash; контекст 1M токенов с мультимодальным вводом, рост FrontierCode 1.1 с 34,4% до 43,6% и DeepSWE v1.1 с 49% до 65,3%; дос…
Palmyra X6
флагманская модель Writer для корпоративных агентных задач, пост-тренировочная вариация открытой GLM-5.2 от Z.ai; генерирует 82 токена/с, выполняет задачи в среднем за 26 секунд и до 8 часов работает автономно без дрейфа; доступна только че…
Dyna-2
world-action модель Dyna Robotics для манипуляции роботами, обученная на более чем 1M часов эгоцентрического видео людей; на видео-диффузионной основе совместно денойзит будущее видео и чанк действий, впервые перенося scaling-законы zero-sh…
📅 12.08
5 моделей
Grok 4.6
Флагманская закрытая модель xAI (SpaceXAI): ~1,5T параметров, контекст 500K токенов, заточена под долгоработающих агентов, кодинг и визуальные проекты; $2/$6 за 1M токенов…
Qwen3.8-2.4T-A95B
Гигантская текстовая модель Alibaba Qwen на MoE-архитектуре (Mixture of Experts): 2,4T параметров, 95B активных; нативный контекст 262K, расширяется до 1M токенов…
DeepSeek V4 Pro 0813
Стабильная версия флагманской закрытой модели DeepSeek V4 Pro: контекст 1M токенов, вывод до 384K, поддержка Responses API и Anthropic-совместимого эндпоинта…
LFM2.5-VL-3B
Компактная vision-language модель (VLM) от Liquid AI на 3,1B параметров: текстовый бэкбон LFM2.5-2.6B + энкодер зрения SigLIP2 NaFlex 400M — для edge-устройств и локальных агентов: чтение UI, OCR, вызов функций…
North Micro Vision Instruct
Самая маленькая VLM от Cohere на 2,4B параметров (энкодер зрения 400M + LLM North Micro 2B) для документного понимания: извлечение структурированных данных, таблицы и мультиязычные изображения в нативном разрешении…
📅 11.08
7 моделей
Nemotron 3.5 Lightning
30B-параметрическая MoE-модель (Mixture of Experts — смесь экспертов, 3B активных на токен) от NVIDIA с гибридной Mamba-2–Transformer-архитектурой и контекстом до 1M токенов; ориентирована на высокоскоростные агентные задачи: code review, t…
Muse Glimmer
30B-параметрическая плотная (Dense) мультимодальная causal-модель от Meta Superintelligence Labs с ViT-G/14-визуальным энкодером (~2B), контекстом 131K токенов и поддержкой 100+ языков; заточена под always-on-агентов на потребительских GPU…
Ling-3.0-tiny
сверхкомпактная MoE-модель от Ant Group/InclusionAI (Китай) на 7.9B параметров, всего 1.3B активных на токен (128 экспертов, 8 активных + 1 shared); гибридное внимание — чередование KDA (Kimi Dilation Attention от Moonshot AI) и MLA (Multi-…
LTX-2.5
опенвейт-модель мира (world model) от компании LTX (экс-Lightricks, Израиль) для генерации видео, робототехники и физического ИИ; новый диффузионный видеодекодер + языковой backbone Gemma 4, нативная многокадровая (multishot) генерация с со…
Fastino-Nemotron-3.5-Lightning-Finance
доменно-специализированная финансовая модель от Fastino Labs, полученная посттренингом NVIDIA Nemotron 3.5 Lightning (30B MoE, 3B активных) полностью автономным файнтюнинг-агентом менее чем за 10 часов. Лицензия Apache 2.0…
Fastino-Nemotron-3.5-Lightning-Healthcare
доменно-специализированная медицинская модель от Fastino Labs, также созданная автономным посттренингом Nemotron 3.5 Lightning под Apache 2.0…
GPT-5.6-Cyber
закрытая кибербезопасная модель OpenAI на базе флагманского GPT-5.6 Sol, специально дообученная под поиск zero-day-уязвимостей, разработку эксплойтов, пентесты и анализ защищённости; выполняет 95% продвинутых offensive-задач (exploit chain…