Публикаций: 4
Alibaba выпустила Qwen3.7-Plus — мультимодальную агентную модель, которая видит экран, управляет GUI и пишет код в едином цикле. В демо агент за 11 часов написал более 10 000 строк кода для приложения по изучению словарного запаса.
Google DeepMind выпустил Gemma 4 12B — открытую мультимодальную модель, которая работает с текстом, изображениями и аудио прямо на ноутбуке с 16 ГБ RAM и при этом почти не уступает модели вдвое большего размера.
Китайская MiniMax выпустила M3 — по заявлению разработчиков, первую open-weight модель, которая одновременно берёт контекст в миллион токенов, показывает coding-результаты уровня лучших проприетарных систем и работает с несколькими модальностями нативно.
ByteDance Seed установили: если учить мультимодальную модель отвечать на вопросы по документу вместо того, чтобы просто переписывать текст, — 7B-параметровая модель начинает стабильно обходить значительно более крупные системы. Даже на документах в 4 раза длиннее обучающей выборки.