Новости: мультимодальность

Представляем Qwen-Image-2.1: модель генерации и редактирования изображений от Alibaba с 7 млрд параметров. Получите нативную RGBA-прозрачность, до 10 эталонных изображений и редактирование с сохранением идентичности. Используйте для стикеров, композитинга и рестайлинга. Лицензия — исследовательская, коммерческое использование — по запросу.

SenseTime выпустила SenseNova U1.5: 8-миллиардная модель Mixture-of-Transformers для нативной унифицированной обработки изображений. Генерация до 4K, открытый код для обучения SFT/RL/дистилляции.

Alibaba представила Qwen3.8-Omni-Flash: омнимадальную модель с контекстом 1 млн токенов. Получите прирост производительности до 26%, используйте Qwen-Live Harness и оцените снижение цен на API.

TaichuAI выпустила ZDTaichu5.0-9B — открытую мультимодальную модель (~9 млрд параметров) с поддержкой ввода изображений/видео любого разрешения и заявленными показателями в пространственных задачах и задачах агентов: ViewSpatial 62.5, MMSI 47.2, MindCube-tiny 78.3, TAU2 87.7 и Claw-Eval 71.4.

DeepSeek запустила краткую внутреннюю бета-версию V4.1 Flash с новой архитектурой и нативной мультимодальной поддержкой. API ID deepseek-v4.1-flash-expires-on-0910 имеет цену V4 Flash, ограничен 20 одновременными запросами и истекает около 10 сентября. Оцените новую архитектуру до истечения срока действия!

Ant Group и inclusionAI открыли исходный код Ling-3.0-flash-VL — мультимодальной модели MoE на 124 млрд параметров с 5,5 млрд активных. Веса BF16 и FP8 доступны с 9 сентября. Используйте цикл обратной связи по зрению для GUI, фронтенда и медицинских задач.

Оцените первое крупное обновление DeepSeek Harness после беты: v0.1.0-rc.8 с 14 изменениями. Задействуйте мультимодальный ввод, саб-агенты, улучшенный терминал. Нативные запросы изображений и смешанный ввод позволяют агентам обрабатывать скриншоты. Инструментальное зрение через OCR и анализ пикселей даёт текстовым моделям способность «видеть».

Команда Qwen из Alibaba открыла исходный код Qwen3.8-27B, которая за два дня возглавила мировой рейтинг Hugging Face и превысила миллион загрузок. Зарубежные разработчики прозвали её «домашним» Opus 4.6: модель с менее чем 30B параметров превосходит все выпущенные четыре месяца назад модели, включая Opus 4.6, сравнима с DeepSeek V4-Pro и GPT 5.6 Luna, а в квантифицированном виде работает на 17 ГБ RAM.

Узнайте, почему Moonshot AI, Alibaba и ByteDance делают ставку на нативное мультимодальное обучение, а DeepSeek, Zhipu и Tencent остаются текстовыми. Разберитесь, как «зрение в цикле» меняет агентные задачи и рейтинги моделей.

Alibaba выпустила Qwen3.8-Max с 2,4 трлн параметров и контекстом в 1 млн токенов. Модель значительно улучшила программирование и офисные задачи, войдя в мировой топ-уровень. Открытые веса обещаны через неделю. Узнайте о возможностях долгосрочного агента и мультимодальной обработке.