✔️ Google представила Gemma 4 12B — 4 июня 2026 г. в 12:18:54.063
✔️ Google представила Gemma 4 12B DeepMind выпустила веса новой мультимодальной модели Gemma 4 12B. Она умеет работать с текстом, изображениями и аудио без отдельных внешних энкодеров. За счет такой архитектуры модель требует меньше памяти и быстрее обрабатывает запросы. Gemma 4 12B можно запускать локально на устройствах с 16 ГБ ОЗУ, при этом в тестах она показывает уровень моделей класса 26B. Модель уже доступна на Hugging Face, а также поддерживается в Ollama и LM Studio. Лицензия Apache 2.0 разрешает коммерческое использование. ✔️ Ideogram выпустила четвертую версию своей T2I-модели Ideogram представила Ideogram 4.0 — новую версию модели для генерации изображений по текстовому описанию. В обновлении появилась поддержка разрешения 2K, генерация изображений с прозрачным фоном и управление расположением объектов через bounding boxes. Главный фокус модели сохранился — качественная работа с текстом внутри изображений. Это особенно важно для логотипов, постеров, баннеров и рекламных креативов. На DesignArena модель заняла первое место среди открытых решений, уступив только закрытым системам OpenAI и Google. Код и веса опубликованы в открытом доступе, но для коммерческого применения нужна платная лицензия. Также доступен API: стоимость генерации зависит от качества и составляет от $0.03 до $0.10. Модель уже появилась на площадках ComfyUI, Replicate и Leonardo AI. В следующих обновлениях разработчики обещают добавить работу со слоями и редактируемый текст. ✔️ Perplexity запускает Personal Computer для Windows Perplexity сделала свой агентный продукт Personal Computer доступным на Windows. Система может работать с локальными файлами, системными утилитами и приложениями Microsoft — Word, Excel, PowerPoint и Outlook. Архитектура устроена так, что сложный запрос разбивается на подзадачи, которые затем распределяются между несколькими агентами. Personal Computer может сортировать папки, переносить данные из таблиц в презентации, сравнивать документы с информацией из веб-поиска и выполнять другие прикладные задачи. В связке с браузером Comet агент также может управлять сайтами: заполнять формы, бронировать слоты в календаре и работать с корпоративными платформами. Есть и синхронизация между устройствами: задачу можно запустить со смартфона, а продолжить уже на ПК. Пока продукт доступен по листу ожидания для подписчиков Max и Enterprise Max. ✔️ Nous Research показала ИИ-агента Hermes Desktop Nous Research представила превью-версию Hermes Desktop — приложения для запуска ИИ-агентов на Windows, macOS и Linux. Проект распространяется под лицензией MIT. Агент может работать через терминал, электронную почту и мессенджеры. Hermes понимает задачи на естественном языке, планирует выполнение и использует постоянную память, чтобы сохранять контекст проектов. Важная особенность — поддержка делегирования. Система может запускать субагентов с отдельными терминалами для Python-скриптов, веб-поиска, генерации изображений и синтеза речи. Для безопасного выполнения кода доступны пять вариантов изоляции: локальная среда, Docker, SSH, Singularity и Modal. Запросы к LLM проходят через Nous Portal, где доступно более 300 моделей, включая варианты на бесплатных тарифах. ✔️ MIT и IBM Research собрали датасет для обучения ИИ понимать графики MIT совместно с IBM Research представили ChartNet — синтетический датасет из 1,5 млн диаграмм для обучения vision-моделей анализу графиков. Авторы взяли существующие графики, преобразовали их в исполняемый код, а затем программно модифицировали этот код для генерации новых примеров. В датасете представлены 24 типа диаграмм, созданных на базе 6 библиотек визуализации. Каждый пример включает изображение, исходный код, таблицу данных и текстовое описание. По словам разработчиков, дообучение на ChartNet позволило компактным моделям обойти более крупные закрытые системы в задачах извлечения информации из визуальных данных. #news #ai #ml