NVIDIA wprowadza na rynek Canary-Qwen-2.5B, hybrydowy model ASR i LLM, który osiąga rekordowo niski wskaźnik błędów (WER) na poziomie 5.63% na platformie Hugging Face OpenASR. To otwartoźródłowe rozwiązanie, licencjonowane na zasadach CC-BY, umożliwia komercyjne zastosowania, integrując transkrypcję i rozumienie języka w jednej architekturze.
Read More
Naukowcy z University of Massachusetts Amherst i MIT przedstawili Mirage, innowacyjne podejście, które umożliwia wielomodalnym modelom językowym (VLM) wizualne rozumowanie bez konieczności generowania pełnych obrazów. Inspirując się ludzką zdolnością do mentalnej wizualizacji, Mirage integruje kompaktowe wskazówki wizualne bezpośrednio w proces myślowy, otwierając nowe możliwości w rozwiązywaniu złożonych zadań przestrzennych.
Read More
NVIDIA wprowadza Audio Flamingo 3 (AF3), otwarty model, który redefiniuje sposób, w jaki maszyny przetwarzają i rozumieją dźwięk. AF3 stanowi znaczący krok w kierunku ogólnej inteligencji słuchowej, umożliwiając sztucznej inteligencji interpretowanie audio w sposób zbliżony do ludzkiego, obejmujący mowę, dźwięki otoczenia i muzykę.
Read More
Użytkownicy Anthropic, zwłaszcza ci korzystający z planu Max dla Claude Code, zgłaszają nagłe i niesprecyzowane ograniczenia w dostępie do usługi. Firma, mimo problemów, zachowuje milczenie w kwestii powodów i skali zmian, co budzi frustrację i niepewność w środowisku deweloperskim.
Read More
Startup Reflection AI, założony przez byłych badaczy Google DeepMind, zaprezentował Asimova – agenta AI, który w odróżnieniu od większości narzędzi wspomagających kodowanie, integruje wiedzę z całej platformy deweloperskiej, obiecując znaczący skok w efektywności i spójności projektów.
Read More
Podczas gdy ogólne modele AI dominowały przez lata, specjalizowane LLM-y zyskują przewagę w precyzji i zastosowaniach biznesowych. Inwestycje, takie jak w BloombergGPT, pokazują, że przyszłość sztucznej inteligencji to głęboka specjalizacja, a nie szeroka generalizacja.
Read More
Apple we współpracy z badaczami z Uniwersytetu w Hongkongu zaprezentowało DiffuCoder, 7-miliardowy model dyfuzyjny zaprojektowany specjalnie do precyzyjnego generowania kodu. To przełomowe narzędzie, trenowane na ogromnym zbiorze danych, może fundamentalnie zmienić podejście do tworzenia oprogramowania, oferując elastyczność wykraczającą poza tradycyjne, sekwencyjne metody.
Read More
Netflix wprowadza generatywną sztuczną inteligencję (GenAI) do swoich produkcji filmowych i serialowych, deklarując przyspieszenie prac postprodukcyjnych i redukcję kosztów. Pierwsze efekty AI widoczne są już w argentyńskim serialu „El Eternauta”, co zwiastuje nową erę w branży rozrywkowej. Firma planuje także rozszerzyć zastosowanie AI na personalizację, wyszukiwanie i reklamy.
Read More
Naukowcy z Zhipu AI i Uniwersytetu Tsinghua przedstawiają GLM-4.1V-Thinking, model multimodalny, który wyznacza nowe standardy w rozumieniu informacji wizualnej i tekstowej, rywalizując z modelami zamkniętoźródłowymi.
Read More
Mistral AI wprowadza Voxtral, nową rodzinę modeli otwartych, które integrują automatyczne rozpoznawanie mowy z przetwarzaniem języka naturalnego, oferując elastyczne rozwiązania dla transkrypcji, podsumowań i sterowania głosowego.
Read More