Обзор рынка искусственного интеллекта
Китайская компания Manus AI выпустила предварительную версию агента ИИ, способного просматривать резюме, создавать маршруты поездок и анализировать акции по запросу пользователя. Разработчики заявили, что сервис показывает себя лучше, чем Deep Research от OpenAI, еще один недавно выпущенный агент.
Соучредитель и главный научный сотрудник Manus Ичао Цзи заявил, что, в отличии от конкурентов, их продукт действительно автономен. Ранний ажиотаж вызвал сравнения Manus с DeepSeek, и снова вызвал дискуссию о лидерстве США в области искусственного интеллекта – на этот раз в категории продуктов, которую американские технологические компании рассматривают как ключевую область инвестиций. Предложения Manus основаны на Claude и доработанных версиях моделей Qwen от Alibaba Group Holding Ltd. По этой причине подход Manus будет значительно дешевле, чем создание передовых систем с нуля. Соучредитель и генеральный директор Manus Сяо Хун заявил, что компания стремится конкурировать на мировом рынке, а не только в Китае.
Китайский стартап Zhipu AI, представил бесплатного ИИ-агента. Продукт под названием AutoGLM Rumination может выполнять углублённые исследования, поиск в интернете, планирование поездок и написание исследовательских отчётов. Агент работает на основе запатентованных компанией Zhipu моделей, в том числе модели логического вывода GLM-Z1-Air и базовой модели GLM-4-Air-0414. В компании утверждают, что GLM-Z1-Air по производительности не уступает конкурирующей модели R1 от DeepSeek, но работает в восемь раз быстрее и требует меньше вычислительных ресурсов. При этом, в отличие от Manus, который взимает с пользователей до 199 долларов в месяц, Zhipu AutoGLM Rumination будет доступен бесплатно по официальным каналам компании, включая веб-сайт модели GLM и мобильное приложение.
DeepSeek обновила модель V3: пользователи заметили, что она превосходит рассуждающую R1 в программировании. Разработчики заявляют о более сильных навыках front-end разработки, повышении эффективности рассуждений и более интеллектуальных возможностях использования инструментов. Кроме того, в некоторых тестах по математике и написанию кода модель сравнялась или обошла Claude 3.7 Sonnet от Anthropic.
Nova Sonic Foundation от Amazon, как заявляют разработчики, понимает не только то, что говорят пользователи, но может улавливать тон, интонацию и темп речи, что обеспечивает более глубокое понимание человеческого разговора. Модель доступна через новый API в Amazon Bedrock. Традиционные подходы к созданию приложений с поддержкой голоса включают сложную оркестровку нескольких моделей, таких как распознавание речи для преобразования речи в текст, большие языковые модели (LLM) для понимания и генерации ответов и преобразование текста в речь для обратного преобразования текста в аудио. Этот фрагментированный подход не только увеличивает сложность разработки, но и не сохраняет важный акустический контекст и нюансы, такие как тон, просодия и стиль речи, которые необходимы для естественного общения. Nova Sonic использует новый подход к решению этих проблем – вместо использования разных моделей он объединяет возможности понимания и генерации в одну модель. Это объединение позволяет модели адаптировать сгенерированный голосовой ответ к акустическому контексту (например, тон, стиль) и речевой ввод, что приводит к более естественному диалогу.
XAI представила и расширила свою большую языковую модель до новейшей версии – Grok 3. Новая модель предлагает такие функции, как расширенное рассуждение, поиск знаний и резюмирование текста. Как
Grok 1 и Grok 2, Grok 3 написан на комбинации языков программирования Rust и Python. В отличие от первой модели, Grok 3 не является программой с открытым исходным кодом и имеет проприетарную лицензию. Среди инноваций Grok 3 – расширенная инфраструктура обучения, используемая для разработки модели – собственный суперкомпьютерный кластер Colossus от xAI. По данным xAI, этот суперкластер изначально включал более 100 000 графических процессоров Nvidia Hopper, самых мощных графических процессоров, доступных для производственных развертываний во время обучения Grok. Суперкластер Colossus также использует Nvidia Spectrum-X Ethernet для подключения, что обеспечивает высокую пропускную способность при обучении модели. Существует две версии Grok 3. Базовая версия известна просто как Grok 3, а Grok 3 mini – это более экономичная модель. По своей сути Grok 3 – это модель рассуждений, которая превосходит ограниченную функциональность рассуждений своих предшественников. Благодаря продвинутым рассуждениям Grok 3 является конкурентоспособной альтернативой другим моделям рассуждений, включая o3 и DeepSeek -R1 от OpenAI. Grok 3 использует два основных режима работы: Think или DeepSearch для решения разнообразных задач.
OpenAI представил возможность создания изображений GPT-4o. OpenAI интегрировал контекстную генерацию изображений непосредственно в новую модель. Система дает возможность ИИ получать доступ к своей базе знаний и контексту разговора при создании изображений. Считается, что такая интеграция позволяет получать более точные и контекстно-зависимые визуальные результаты.
Microsoft обновил Copilot, в котором появилось несколько новых функций. Помощник на основе ИИ начал поддерживать память, персонализацию, веб-действия, создание подкастов, анализ камеры и экрана, глубокие исследования. Теперь помощник сможет отслеживать предпочтения и интересы пользователя и учитывать такие данные, как дата рождения. Эти данные помощник будет использовать для адаптации ответов и советов или внесения упреждающих предложений. Microsoft заявляет, что пользователи могут выбирать, какую информацию Copilot должен запомнить, или могут полностью отказаться от этой услуги.
Meta (запрещена в России) выпускает Llama 4, новую линейку флагманских моделей с искусственным интеллектом. Всего существует три новые модели: Llama 4 Scout, Llama 4 Maverick и Llama 4 Behemoth. По сообщению Meta, все они были обучены на больших объёмах немаркированных текстовых, графических и видеоданных» для обеспечения «широкого визуального понимания». Scout и Maverick доступны в открытом доступе на Llama.com и у партнёров Meta, включая платформу для разработки ИИ Hugging Face, в то время как Behemoth находится на стадии обучения. Meta сообщает, что Meta AI, её помощник на базе ИИ в приложениях, включая WhatsApp, Messenger и Instagram (запрещен в России), был обновлён для использования Llama 4 в 40 странах. По словам разработчиков, Llama 4 – это первая когорта моделей, использующих архитектуру mixed of experts (MoE), которая более эффективна с вычислительной точки зрения для обучения и ответа на запросы. Архитектуры MoE в основном разбивают задачи обработки данных на подзадачи, а затем делегируют их более мелким специализированным экспертным моделям. Согласно результатам внутреннего тестирования Meta, Maverick, который, по словам компании, лучше всего подходит для использования в качестве «универсального помощника и чата», например, для написания текстов, превосходит такие модели, как GPT-4o от OpenAI и Gemini 2.0 от Google, в некоторых тестах на кодирование, логику, многоязычие, длинный контекст и изображения. При этом, Maverick не дотягивает до более мощных современных моделей, таких как Gemini 2.5 Pro от Google, Claude 3.7 Sonnet от Anthropic и GPT-4.5 от OpenAI. Сильные стороны Scout заключаются в таких задачах, как обобщение документов и анализ больших баз кода. Уникальной особенностью является очень большое контекстное окно: 10 миллионов токенов. По данным компании, у Behemoth 288 миллиардов активных параметров, 16 экспертов и почти 2 триллиона общих параметров. Согласно внутренним тестам Meta, Behemoth превосходит GPT-4.5, Claude 3.7 Sonnet и Gemini 2.0 Pro (но не 2.5 Pro) по нескольким показателям, измеряющим навыки в области естественных наук, например, решение математических задач.
Microsoft выпускает собственную поисковую систему с искусственным интеллектом под названием Copilot Search. Он собирает данные из источников по всему интернету, а затем использует искусственный интеллект Copilot, чтобы составить краткое изложение. Copilot Search поддерживает запросы на естественном языке. У Copilot Search есть собственный интерфейс, напоминающий сам Copilot Пользователь может задавать уточняющие вопросы и продолжать разговор, опираясь на предыдущие запросы, чтобы получать более конкретные ответы.
Яндекс выложил в открытый доступ новую версию модели YandexGPT 5 Lite, которая, как заявили разработчики, ускорит IT-разработку и научные исследования. Модель относится к последнему и самому мощному семейству нейросетей компании. Её можно использовать как в некоммерческих, так и в коммерческих целях. Помимо предварительного этапа обучения на больших объёмах данных, новая модель прошла дополнительный этап настройки — alignment (выравнивание). В результате она научилась решать конкретные задачи по промптам — запросам или инструкциям. Это отличает её от другой опенсорс-версии YandexGPT 5 Lite – Pretrain, которая не проходила этап alignment и требует дообучения под свои задачи. Instruct-версия имеет базовые этические настройки. Разработчики могут улучшить их, чтобы модель соответствовала конкретным требованиям. По результатам международных тестов и их адаптаций для русского языка (MMLU, IFEval, RuFacts и других), YandexGPT 5 Lite Instruct вплотную приблизилась к аналогу — китайской модели Qwen2.5-7B-Instruct – и превосходит её в таких сценариях, как задачи классификации и разметки текстов, знание русской культуры и фактов, умение отвечать в заданном формате. По данным замеров Яндекса методом слепого сравнения (Side by Side, SBS), модель в 62% случаев превосходит Qwen2.5-7B-Instruct и сравнима по качеству ответов с GPT-4o Mini в решении стандартных задач сервисов Яндекса. Модель включает 8 млрд параметров и поддерживает контекст до 32 тыс. токенов.
Яндекс представил Нейроэксперт – сервис, который может искать нужную информацию в файлах и ссылках пользователя. Сервис позволяет создавать базы знаний из файлов и документов и задавать по их содержанию вопросы, как если бы пользователь общался с экспертом по нужной теме. Нейроэксперт работает на технологиях Яндекса. Извлекать знания из документов помогают несколько технологий, включая визуально-языковую модель (VLM), которая находит нужные данные в графиках и диаграммах. Ответ на вопрос пользователя генерирует YandexGPT 5 Pro — самая последняя версия большой языковой модели Яндекса. Кроме того, Нейроэксперт может пересказать содержание документов, сделать общий вывод или сравнение, написать на основе загруженных данных текст в нужном стиле.
