Узнайте больше об обновленных новостях и информации о больших моделях от Клода и ChatGPT. Этот блог посвящен отслеживанию и разбору современных тенденций развития больших языковых моделей (LLM), обновлению технологий и их практическому применению в различных областях.
阶跃星辰(StepFun)团队开源了NextStep-1，一款14B参数的纯自回归图像生成模型。该模型直接在连续视觉空间生成图像，无需依赖扩散模型或离散化处理，由14B参数Transformer骨干和157M参数流匹配头组成。它支持高保真文生图及精准图像编辑（如物体增删、背景修改），在GenEval（0.73）、GenAI-Bench等基准测试中表现优异，接近顶尖扩散模型。但存在生成不稳定、解码延迟等挑战，标志着自回归图像生成新阶段。
Nanobrowser是近期在GitHub爆火的开源AI浏览器自动化框架，上线一周获17,000+星标。其核心采用双智能体协作模式：Planner拆解自然语言指令为操作步骤，Navigator在真实网页中执行、读取等操作。该项目支持本地运行及多模型接入，可实现论文抓取、比价、舆情监控等网页自动化任务，典型案例显示其2分半完成论文数据抓取，成本仅0.1元。
Web3已从概念走向现实，2025年全球市场规模达213.5亿美元，中国相关产业规模超200亿元。其核心在于用户主权，通过区块链、智能合约、NFT和DID实现权力重分配。五大应用场景包括：DeFi（TVL超1200亿美元）、NFT实用化（如星巴克权益）、DAO（活跃组织超5000个）、GameFi（超3100款游戏）和去中心化身份。市场正从投机转向价值驱动，未来机会聚焦创作者经济、数字身份及RWA资产代币化，目标重建数字信任与公平。
LTX-2是Lightricks发布的全球首个音画同步4K视频生成模型，可生成20秒、50fps高清视频，支持文本/图像输入。它实现了角色口型与语音同步，能在ComfyUI运行并本地部署，将于5年11月下旬开源。作为专业级创作工具，LTX-2让"文字变电影级短片"成为现实。
Blockchain, Bitcoin, Web3 в 2025 году стало ясно, что цена "цифрового золота" превысила 110 000 долларов США, достигнув исторического максимума в 111 013 долларов США; блокчейн стал "новой инфраструктурой" и применяется в сфере государственного управления, финансов и т.д., а объем рынка RWA достиг 202,5 млрд долларов США; объем рынка Web3 достиг 21,35 млрд долларов США. Объем рынка Web3 достиг 21,35 миллиарда долларов США, перейдя к реальным приложениям, и, как ожидается, достигнет 5,1 триллиона долларов США в 2030 году. Китай поддерживает блокчейн, но фокусируется на "безмонетном" пути Web3.
Cursor 2.0 официально выпущен с запуском Composer, самостоятельно разработанной большой модели, которая генерирует код со скоростью до 250 токенов в секунду, что в два раза быстрее, чем GPT-5 и Claude Sonnet 4.5. Модель специально обучена для реальных сценариев разработки и может автономно завершать весь процесс кодирования, тестирования и исправления ошибок, и в настоящее время интегрирована в редактор Cursor только для внутреннего использования.
FlowithOS - первая в мире нативная операционная система, разработанная для искусственного интеллекта, способного выполнять сложные задачи, а не ограничиваться чатом. Основанная на браузере Chromium, система поддерживает кроссплатформенную многозадачность параллельно с неограниченной контекстной памятью и библиотекой Skills, а также может автоматизировать такие реальные задачи, как покупки на Taobao, ведение микроблогов и сбор данных. В настоящее время система находится в стадии ранней бета-версии, поддерживает Windows и macOS и требует пригласительного кода.
MiniMax выпустила новое поколение большой модели M2 с открытым исходным кодом, производительность которой входит в топ-5 в мире, а цена составляет всего 8% от Claude 4.5. Модель имеет общий параметр 230B, параметр активации всего 10B, а скорость вывода - более 100 токенов/секунду. Она обладает отличной производительностью при программировании, работе с агентами и решении мультимодальных задач, разрушая "невозможный треугольник" высокой производительности, низкой цены и высокой скорости в области ИИ.
На Live-арене AlphaArena AI Coin Speculation шесть лучших моделей ИИ самостоятельно торговали на криптовалютном рынке с $10 000 реальных денег. По состоянию на 23 октября Qwen3 Max (Alibaba) занимает первое место с +44,38% прибыли и $14,438 баланса счета, DeepSeek Chat V3.1 - второе место с +20,92% прибыли и $12,092 баланса, и китайские ИИ занимают два первых места. Другие североамериканские модели, такие как Gemini 2.5 Pro, потеряли более 60%. Сильными сторонами китайских моделей являются количественное мышление, контроль рисков и отсутствие чрезмерной торговли, что демонстрирует потенциал ИИ в принятии решений на реальном рынке.
DeepAnalyze - это агентная модель большого языка с открытым исходным кодом, разработанная совместно командой из Ренминского университета Китая и Университета Цинхуа, первое комплексное решение для автономной науки о данных. Его основные возможности включают автоматическое выполнение всего процесса подготовки данных, их анализа, моделирования, визуализации и создания отчетов, поддержку источников данных разных форматов, таких как CSV, Excel и т. д., без вмешательства человека. DeepAnalyze-8B (8B parameter) превосходит коммерческие модели, такие как GPT-4o-mini, в бенчмарках, а благодаря тому, что веса модели, код и данные обучения полностью открыты, DeepAnalyze может быть развернута в качестве специализированный ассистент для работы с данными.
Компания Racer выпустила матрицу продуктов для ИИ-программирования KAT-Coder, включающую в себя саморазвивающиеся модели, инструменты и платформы, поддерживающие более 20 языков программирования и множество типов задач разработки. Его версия с открытым исходным кодом, KAT-Dev-72B-Exp, превзошла GPT и Claude в списке SWE-bench с результатом 74.6%. Модель имеет возможность генерации кода, отладки, оптимизации и т.д., совместима с основными средствами разработки и показала большой потенциал для применения в области создания веб-страниц, сайтов электронной коммерции, 3D-спецэффектов и т.д., что означает официальное вступление KAT на путь программирования ИИ.
DeepSeek-OCR основан на визуальной языковой модели и технологии "контекстуального оптического сжатия" и обеспечивает эффективную обработку длинных текстов путем преобразования изображений в визуальные лексемы. Он обеспечивает точность 97% при 10-кратной степени сжатия и 60% при 20-кратной степени сжатия. В ходе тестирования он превзошел GOT-OCR2.0 со 100 визуальными лексемами и MinerU2.0 с менее чем 800 лексемами, а также способен восстанавливать структуру сложных документов.
Manus, как представитель бума ИИ-агентов в 2025 году, опирается на большие модели, цепочки инструментов и технологии памяти для выполнения задач, но из-за отсутствия глубокой проработки профессиональных сценариев и замкнутого цикла доставки, он раскрывает пузырь "универсального агента". Корень проблемы кроется в недостатке инженерных накоплений и недальновидности, обусловленной капиталом, что приводит к нагромождению функций, но ограниченному интеллекту. Индустрия обращается к вертикальным областям, таким как медицинский агент OpenEvidence, который делает упор на детерминированные процессы и управление данными, показывая, что будущее принадлежит пути "тупого интеллекта", который сфокусирован, поддается оценке и прочно стоит на земле.
Компания OpenAI выпустила ChatGPT Atlas, первый нативный ИИ-браузер, в который глубоко интегрированы интеллектуальные возможности ChatGPT. Среди его основных функций: обобщение и взаимодействие с веб-контентом с помощью искусственного интеллекта в режиме реального времени, интеллектуальная оптимизация письма, управление операциями браузера на естественном языке, персонализированные рекомендации по запоминанию, интеллектуальный режим тела для автоматизации покупок и бронирования, а также обработка текста в режиме реального времени для курсорного чата. Браузер повышает эффективность просмотра веб-страниц, автоматизирует задачи и переосмысливает взаимодействие человека и компьютера с помощью технологий искусственного интеллекта.
Veo3.1 от Google конкурирует с Sora2 от OpenAI в области создания видео с помощью искусственного интеллекта. Преимущество Veo3.1 заключается в точном управлении и высококачественной синхронизации аудио и видео, что подходит для создания профессиональных длинных видео, в то время как Sora2 лучше справляется с плавными и естественными динамическими эффектами и развлечениями, что больше подходит для творческих коротких видео. Оба варианта имеют свои преимущества, и выбор зависит от конкретного сценария применения.
Google Gemini 3.0 Pro способен генерировать полнофункциональный веб-интерфейс для операционных систем macOS, Windows и Linux в одном HTML-файле на основе простых подсказок для плавной интерактивной работы. Несмотря на то, что Gemini 3.0 Pro превосходит такие модели, как Claude 4.5 Sonnet, он все еще ограничен внешним моделированием и не имеет базовой системной логики.
Гибридная команда Tencent выпустила Hunyuan3D-PolyGen, первую в отрасли генеративную 3D-модель большого размера, соответствующую стандартам художественного уровня, способную генерировать профессиональные 3D-модели, которые можно использовать в разработке игр, производстве фильмов и телепередач, значительно повышая эффективность работы художников. Модель обладает значительным технологическим прорывом в области моделирования сложной геометрии и стабильности генерации, поддерживает множество методов ввода, значительно сокращает количество маркеров и улучшает качество моделирования благодаря стратегиям оптимизации BPT-сжатия и обучения с усилением. В настоящее время она доступна для бесплатного ознакомления на платформе Tencent Hybrid 3D.
Работа с таблицами Excel часто вызывает затруднения из-за сложных операций. Появившийся инструмент искусственного интеллекта Shortcut упрощает этот процесс благодаря взаимодействию с естественным языком. Он выполняет сложные задачи за 10 минут в симулированных турнирах Excel с точностью 80% и выше, поддерживая широкий спектр приложений - от обработки данных до финансового моделирования. Естественный язык заменяет синтаксис функций с большим удобством, но при этом сохраняются ограничения на чрезвычайно сложную обработку и форматирование данных. В настоящее время в рамках внутреннего тестирования пользователи электронной почты Google могут попробовать 3 раза бесплатно.
MuseSteamer, мультимодальная модель генерации, запущенная командой коммерческих исследований и разработок Baidu, заняла первое место в мире по оценке графического видео в VBench и совершила важный прорыв в одновременной генерации китайского аудио и видео, усовершенствовала систему описания и управления стилем, а также продемонстрировала превосходные возможности семантического понимания. Несмотря на отсутствие возможности планирования объектива и низкую скорость генерации, MuseSteamer по-прежнему является важной вехой в развитии отечественных видеотехнологий искусственного интеллекта, а Turbo-версия уже открыта для свободного ознакомления.
Tencent AI Lab запустила SongGeneration, модель генерации музыки с открытым исходным кодом, которая решает проблемы качества звука, музыкальности и скорости генерации благодаря инновационной технической архитектуре и методам обучения. Модель поддерживает четыре основные функции: интеллектуальное управление текстом, точное следование стилю, генерацию нескольких треков и клонирование тембра, что значительно снижает порог создания музыки. Трехступенчатая стратегия обучения и многомерное выравнивание предпочтений человека еще больше усиливают эффект генерации. Авторитетная оценка показывает, что модель занимает первое место среди моделей с открытым исходным кодом, близка к уровню коммерческих моделей и открыта для опыта на Hugging Face и GitHub, способствуя популяризации интеллектуального создания музыки.
Компания AliCloud недавно выпустила новейшую мультимодальную модель искусственного интеллекта Qwen-VLo, возможности которой по созданию и редактированию изображений были высоко оценены пользователями и даже превзошли GPT-4o. Модель обладает такими преимуществами, как улучшенный захват деталей, редактирование изображений с помощью одной команды, поддержка нескольких языков и гибкая адаптация разрешения, а также отлично справляется с распознаванием изображений, заменой объектов и прогрессивной генерацией. Теперь она доступна бесплатно через платформу Qwen Chat.
Примите в свои объятия помощника с искусственным интеллектом и повысьте свою производительность одним щелчком мыши!
