Midjourney и другие нейросети - страница 1229
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
DeepSeek 4 PRO 0813 уже вышел. Информации пока мало.
https://openrouter.ai/deepseek/deepseek-v4-pro-0813
https://api-docs.deepseek.com/quick_start/pricing/
Повеселило)
Как более развитая цивилизация оценила бы человечество. DeepSeek 4 PRO
Повеселило)
Как более развитая цивилизация оценила бы человечество. DeepSeek 4 PRO
Сейчас ИИ уже у нас даже в маленьких поделках, а некоторые до сих пор желают увидеть их в тарелке лично...
Умение отличать серьёзное от юмора - вот где проверка интеллекта.
Релиз Gemini 3.7 Flash от Google состоялся всего через три недели после выхода предыдущей версии (3.6 Flash). Компания продолжает ускорять темп обновлений, фокусируясь на практических задачах разработчиков, автономных агентах и анализе сложных документов.
Ниже представлен подробный разбор возможностей Gemini 3.7 Flash, изменений в производительности, бенчмарках, стоимости и первых отзывов сообщества.
Быстрее, точнее, умнее: Главное о релизе Gemini 3.7 Flash
//текст и обложка Gemini 3.6. Новость https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-3-7-flash/1. Ключевые новшества и улучшения
Разработчики Google сделали главный упор на опыт взаимодействия с моделью при решении реальных инженерных и аналитических задач.
Программирование и веб-разработка:
Точность первого прохода (First-pass accuracy): модель реже совершает синтаксические и логические ошибки при генерации кода с первого запроса.
Улучшенный дебаггинг: Gemini 3.7 Flash лучше выявляет скрытые баги в больших кодовых базах и эффективнее справляется с рефакторингом.
Верстка и создание веб-приложений: модель создает более функциональные и аккуратные интерфейсы, собирая готовые приложения за меньшее число промптов.
Понимание документов и предметных областей:
Значительно улучшена обработка сложных документов в формате PDF (структурирование данных из таблиц, схем, визуальных блоков).
Повышена точность рассуждений и работы с фактами в специфических сферах: финансовой аналитике, юриспруденции, биомедицинских науках.
Агентское поведение и планирование:
Модель лучше адаптируется к возникающим ошибкам в процессе выполнения задач. Если инструкция неоднозначна, она корректнее уточняет контекст.
Улучшена цепочка пошагового планирования (multi-step reasoning) и вызова внешних инструментов (tool calling / API).
2. Бенчмарки и ценообразование
Стоимость и доступность
Google сохранил вводный тарифный план для Flash-линейки:
Входные токены (Input): $0,75 за 1 млн токенов
Выходные токены (Output): $3,75 за 1 млн токенов
Модель доступна через Gemini API, платформу Google Cloud и инструмент Gemini Spark.
Результаты в тестах
Кодинг и инжиниринг: В тестах на автоматическое исправление багов и написание скриптов (включая аналоги SWE-bench и Terminal-Bench) версия 3.7 демонстрирует ощутимый прирост качества кода «из коробки», сокращая количество итераций на доработку.
Работа с визуальными и текстовыми данными: Улучшилась обработка контекста и сложной аналитики, сократилось количество галлюцинаций при разборе многостраничных документов.
Соотношение цена/качество: На текущий момент Gemini 3.7 Flash позиционируется как одна из самых сбалансированных моделей на рынке по показателю «производительность за доллар», уступая тяжелым флагманским моделям в микролингвистических тонкостях, но превосходя их по скорости и стоимости в массовых сценариях.
3. Отзывы сообщества и первые тесты
Разработчики на платформе Reddit и в профильных Telegram/X-сообществах уже успели протестировать новую модель. Вот основные выводы из первых отзывов:
Что хвалят:
Скорость работы: Скорость генерации ответа осталась на высоком уровне, характерном для всей линейки Flash.
Фронтенд «из коробки»: Модель стала значительно лучше генерировать интерфейсы на React/Tailwind, меньше путается в стилях и логике компонентов.
Обработка PDF и сканов: Разработчики отмечают выросшую точность распознавания таблиц и мелкого текста внутри документов.
На что обращают внимание:
Синтетические бенчмарки vs Реальность: В сообществе традиционно с осторожностью относятся к высоким показателям в официальных бенчмарках, указывая на то, что реальные результаты сильно зависят от качества составляемого промпта.
Ограничения по длине вывода: При генерации очень больших файлов кода модель все еще может требовать разбиения задачи на подмодули.
4. Кому подойдет Gemini 3.7 Flash?
Веб-разработчикам и SWE-инженерам: Для быстрой генерации прототипов, поиска ошибок в коде и рефакторинга.
Создателям ИИ-агентов: Для автоматизации многошаговых сценариев с вызовом API и сторонних сервисов.
Бизнес-аналитикам и юристам: Для автоматизированного разбора больших пакетов документов и отчетов.
Итог
Gemini 3.7 Flash — это плановое, но очень точечное и практичное обновление. Google продолжает делать ставку на баланс высокой скорости, низкой стоимости API и практической полезности для разработчиков.
Unsloth Desktop: запускайте и обучайте ИИ-модели прямо на своём компьютере
//текст DeepSeek 4 Flash. Скачать https://unsloth.ai
В августе 2026 года в мире открытого ИИ произошло важное событие — команда Unsloth AI выпустила десктопное приложение Unsloth Desktop. Это бесплатная, открытая и кросс-платформенная программа, которая позволяет любому пользователю запускать и дообучать современные генеративные модели у себя на компьютере, без подключения к облачным сервисам.
Что такое Unsloth Desktop?
Простыми словами, это полноценная рабочая станция для локальной работы с ИИ, которая объединяет загрузку моделей, их запуск, тонкую настройку (fine‑tuning) и подключение к агентным инструментам. Главная инновация: за последние два года почти все локальные ИИ‑приложения умели только запускать готовые модели (это называется инференс). Unsloth Desktop — первое массовое приложение, которое также позволяет обучать модели прямо на вашем ПК, без единой строчки кода.
Сам проект Unsloth на GitHub уже собрал около 70 тысяч звёзд, и десктопная версия делает его доступным не только для разработчиков, но и для обычных пользователей.
Основные возможности
1. Запуск моделей разных типов
Приложение поддерживает текстовые LLM, модели для генерации изображений и видео, а также аудиомодели. Вы можете скачать и запустить такие популярные модели, как Muse Glimmer 30B, Kimi K3, Qwen3.8, DeepSeek‑V4 Flash 0731, Gemma 4 и многие другие — всё через встроенный магазин моделей.
2. Обучение без программирования
Достаточно выбрать модель, указать набор данных и настроить параметры — всё остальное сделает программа. Благодаря ручным оптимизациям, которые команда Unsloth реализовала на низком уровне (Triton‑ядра и обратное распространение), скорость обучения увеличивается до 2 раз, а потребление видеопамяти снижается на 70 % по сравнению со стандартными подходами.
3. Интеграция с агентами и инструментами разработчика
Вы можете подключить локальную модель к таким средам, как Claude Code или OpenAI Codex, и выполнять задачи программирования, не отправляя код в облако. Простая команда unsloth start — и модель готова работать через API.
4. Выполнение кода и самоисправляющиеся вызовы инструментов
Модель может запускать Python‑ и Bash‑скрипты в изолированной среде. Если при вызове инструмента возникает ошибка, система автоматически пытается исправить её и повторить запрос. По заявлению разработчиков, это повышает точность работы с инструментами до 50 %.
5. Приватный поиск в интернете и глубокое исследование
Встроенные функции позволяют выполнять веб‑поиск, использовать RAG (поиск с дополнением генерации) и MCP (протокол взаимодействия моделей) — всё полностью офлайн, без передачи каких‑либо данных вовне.
6. Удалённый доступ
Через Cloudflare HTTPS‑туннель можно безопасно подключаться к вашему локальному ИИ‑серверу с других устройств.
Поддерживаемые платформы и «железо»
Unsloth Desktop работает на Windows, macOS и Linux. Поддерживаются процессоры CPU, а также GPU от NVIDIA, AMD, Intel и встроенные графические ускорители Mac. Есть поддержка нескольких видеокарт одновременно. Однако учтите: функциональность зависит от оборудования. Например, на CPU доступны только диалог и предобработка данных, на Mac — инференс и обучение с использованием MLX и GGUF, а полный набор функций по обучению — только на видеокартах NVIDIA.
Что говорят пользователи и эксперты?
Отзывы в сети в основном положительные.
На Product Hunt отмечают: «Это первое приложение, которое я порекомендую тем, кто любит локальные модели, но не хочет тратить выходные на настройку окружения. Unsloth Desktop — самая завершённая версия из того, что они делали».
В обсуждениях на GitHub пишут: «Единственный минус — пока что ограничивает контекст 4 тысячами токенов, если видит риск переполнения памяти. В остальном — блестяще, всё стало намного удобнее». Другой пользователь добавляет: «У меня две серверные машины с GPU под Unsloth Studio, а теперь я использую MacBook с Unsloth Desktop как клиент — это просто здорово».
Профильные издания, такие как iThome и Explainx.ai, подчёркивают, что Unsloth Desktop избавляет от необходимости самостоятельно настраивать сервер и объединяет обучение и инференс в одном окне.
Разумеется, бета‑версия не без шероховатостей. Сообщается о зависании индикатора прогресса при завершении обучения, о лишних копиях файлов на Windows при экспорте GGUF и других мелких недочётах. Аналитики из Wavect.io предупреждают, что приложение «подходит для серьёзных локальных пилотов, но пока не готово к круглосуточной работе на уровне предприятия».
Итог
Появление Unsloth Desktop — это важный шаг к тому, чтобы локальный ИИ перестал быть уделом энтузиастов и стал доступен каждому. Вместо командной строки, возни с CUDA и переменными окружения — понятный графический интерфейс, в котором можно за пару кликов запустить или дообучить мощную модель. Если вы хотите попробовать новейшие открытые модели без риска утечки данных или просто не хотите платить за облачные вычисления — Unsloth Desktop определённо стоит вашего внимания.
//Мой тест. Чат не показываю, но работает, причём подхватил ранее скаченные модели из LM Studio. А вот то, что генерирует картинки - это прямо супер фича.
На текущий момент создание видео из картинки и редактирование видео лучше всего делает бесплатная китайская Open Source модель.
//Думаю подвох во всех эти Open Source это то, что придётся подписывать договор и выполнять условия, если сервис будет приносить большие деньги тем, кто его запустит.
//Получается trial-франшиза. Для обычных пользователей вроде всё бесплатно, но и на домашнем компе не запустить.
GLM 5.3: Прорыв в кодировании и неожиданные киберспособности
//текст Qwen 3.8 Max. Официальная новость https://z.ai/blog/glm-5.3
14 августа 2026 года Z.ai официально выпустила GLM 5.3 — новое поколение своей модели с открытыми весами. Релиз примечателен тем, что все улучшения достигнуты исключительно за счёт пост-тренировки, без изменений базовой архитектуры от GLM 5.2.
Что нового в GLM 5.3
Масштабное улучшение в программировании
GLM 5.3 демонстрирует 50-процентный прирост производительности на внутреннем бенчмарке Z.ai Code Bench по сравнению с предыдущей версией.
На публичных тестах модель показала впечатляющие результаты:
В сравнении с конкурентами GLM 5.3 обходит Claude Opus 4.8 (21.1 на Terminal Bench 3.0), но всё ещё уступает Claude Fable 5 (33.7) и GPT-5.6 Sol (34.6).
Эмерджентные способности в кибербезопасности
ExploitGym: 105 задач за 2 часа против 29 у предыдущей версии
Реальное применение в безопасности
Средний срок жизни уязвимости до обнаружения составил 26.6 лет.
Технические особенности
Фреймворк slime
Все улучшения работают на slime — open-source фреймворке для RL-масштабирования. Система оптимизирована для работы с длинными горизонтами задач, что позволило модели "взять на себя" сложные многоэтапные рабочие процессы.
Новые параметры API
Важно: отключение режима размышлений ( thinking.type: "disabled" ) больше не поддерживается.
Производительность и эффективность
На уровне "Max effort" GLM 5.3 достигает 34.5% выполнения задач при потреблении ~75K выходных токенов на задачу, тогда как GLM 5.2 показывал 23.4% при 96K токенов. Модель не только точнее, но и экономнее в использовании токенов.
Доступность весов откроют через 2 недели
После завершения оценки безопасности и харденинга Z.ai выпустит веса модели в открытом доступе.
API уже доступен
Подписчики GLM Coding Plan получили доступ к GLM 5.3 с новой системой квот на основе баллов. Вызовы вне пиковых часов (14:00–18:00 UTC+8, понедельник-пятница) расходуют на 50% меньше баллов.
Инструмент ZCode предлагает 98%+ кэша, что позволяет повторно использовать контекст по сниженной цене, обеспечивая на 30% больше эффективных токенов.
Реакция сообщества
Релиз GLM 5.3 вызвал значительный интерес разработчиков. Ранее проведённый опрос сооснователя Z.ai Цзе Тана собрал более 466,000 просмотров, где поддержка vision-функций стала главным запросом сообщества.
Хотя в GLM 5.3 акцент сделан на кодировании и кибербезопасности, быстрые темпы релизов компании (от GLM 5 до 5.3 за короткий период) показывают агрессивную стратегию развития.
Заключение
GLM 5.3 представляет собой значительный шаг вперёд для open-weight моделей, особенно в области агентского программирования и анализа безопасности. Модель демонстрирует конкурентоспособные результаты против проприетарных решений, а обнаружение тысяч реальных уязвимостей подтверждает практическую ценность модели за пределами академических бенчмарков. Открытие весов через две недели сделает эти возможности доступными для широкого круга разработчиков и исследователей.