🚀 Open-Source и платные ИИ-модели
Календарь релизов 2025–2026
Отслеживайте последние релизы ИИ-моделей: от бесплатных open-source до платных облачных решений.
221
Дней отслеживается
131
Дней релизов
734
Моделей
–
Июль
2026
📅 12.07
3 модели
NeuroVFM
нейровизуализационная foundation-модель от команды University of Michigan (публикация в Nature Medicine); vision-only self-supervised энкодер на 85.8M параметров (есть вариант 21.7M), обучен методом Vol-JEPA (расширение I-JEPA/V-JEPA на объ…
Vidu S1
модель интерактивной генерации видео в реальном времени от Tsinghua University и Shengshu AI; на базе диффузионных фреймворков TurboDiffusion/TurboServe…
DrugGen 2
disease-aware языковая модель для поиска лекарств от Isfahan University of Medical Sciences (Иран); дообученная GPT-2 с двухэтапным обучением (SFT на 13 908 парах болезнь-мишень-препарат + оптимизация GRPO)…
📅 11.07
1 модель
LingBot-VA 2.0
video-action (видео-действие) foundation-модель для универсального управления роботами-манипуляторами от Robbyant (подразделение embodied AI в составе Ant Group); causal Diffusion Transformer (диффузионный трансформер) на ~15.3B параметров…
📅 10.07
5 моделей
MuScriptor
от Kyutai и команды Mirelo; декодер-only Transformer в трёх размерах (103M / 307M / 1.4B параметров), транскрибирует многоинструментальную музыку из аудио (мел-спектрограмм) в MIDI…
OpenCoF
от ByteDance Seed; видео-модель, дообученная поверх Wan2.2-I2V-A14B с MoE-архитектурой (Mixture of Experts) и блоками DiT (Diffusion Transformer, ~14B параметров), реализует Chain-of-Frame рассуждения через генерацию видео…
SAM-MT
от Fudan University; расширение Segment Anything 2 для сегментации нескольких объектов в видео в реальном времени, использует раздельный masked-attention и query-based память; держит 36+ FPS на 10 целях там, где SAM2 падает до 12.4 FPS (htt…
DrugGen 2
от Isfahan University of Medical Sciences; языковая модель на базе GPT-2, дообученная через SFT и RL-метод GRPO (Group Relative Policy Optimization), генерирует молекулы-кандидаты по онтологии болезни и последовательности белка-мишени для d…
SensorFM
от Google Research; foundation-модель для носимых устройств на базе ViT-1D (одномерный Vision Transformer) с masked-autoencoder, до 110M+ параметров, обучена на 1 трлн минут сенсорных сигналов от 5 млн человек; решает 35 задач прогноза здор…
📅 09.07
8 моделей
GPT-5.6 Sol
флагманская закрытая reasoning-модель OpenAI, старшая в трёхуровневом семействе; заточена под сложный кодинг, кибербезопасность, науку и долгие агентные задачи, набирает 80 в Artificial Analysis Coding Agent Index (выше Claude Fable 5) и 91…
GPT-5.6 Terra
средняя сбалансированная модель OpenAI с производительностью на уровне GPT-5.5, но вдвое дешевле; универсальный «повседневный» вариант для агентов и автоматизации, поддерживает Programmatic Tool Calling (запуск JS-кода в изолированном V8)…
GPT-5.6 Luna
самая быстрая и дешёвая модель семейства OpenAI GPT-5.6, оптимизирована под высокую пропускную способность и объёмные нагрузки; даёт 84.3% на Terminal-Bench 2.1 при минимальной цене; закрытая, доступ через API ($1/$6 за 1M токенов) (https:/…
Grok 4.5
новая закрытая модель xAI класса Opus для кодинга и агентных задач с контекстом 500K токенов и встроенными серверными инструментами (веб-поиск, поиск по X, исполнение кода); #4 из 168 в Artificial Analysis Intelligence Index и лучший резуль…
Muse Spark 1.1
первая платная API-модель Meta Superintelligence Labs (уход от привычной open-weights стратегии Meta); мультимодальная reasoning-модель с контекстом 1M токенов, принимает текст, изображения, видео и документы, умеет tool use, автоматизацию…
Nemotron-Labs-3-Puzzle-75B-A9B
открытая гибридная MoE-модель (Mixture of Experts) от NVIDIA на 75.3B параметров (9.3B активных), архитектура из чередующихся Mamba-, MoE- и attention-блоков со сжатием от Nemotron-3-Super; даёт ~2× серверной пропускной способности и держит…
GPT-Live-1
новая полнодуплексная голосовая модель OpenAI, заменяющая Advanced Voice Mode; непрерывно слушает и говорит одновременно, много раз в секунду решая говорить/слушать/перебить/вызвать инструмент, для сложных запросов делегирует фоновой fronti…
GPT-Live-1 mini
облегчённая версия полнодуплексной голосовой модели OpenAI для бесплатного тарифа ChatGPT; та же архитектура естественного живого диалога (реакции «mhmm», паузы, перебивания), глобальный роллаут на iOS, Android и ChatGPT.com; бесплатно толь…
📅 07.07
3 модели
Cohere Transcribe Arabic
открытая модель распознавания речи (ASR) на 2B параметров от Cohere, заточена под арабский: диалекты, арабско-английский code-switching и спец-лексика; лицензия Apache 2.0, люди предпочли её Whisper в 95.8% тестов (WER 25.87 на HF Arabic AS…
Nemotron-Labs-Audex-30B-A3B (Audex)
унифицированная аудио-текстовая MoE-модель (MoE — Mixture of Experts, «смесь экспертов») от NVIDIA: 30B параметров, 3B активных, гибрид Mamba-Transformer, контекст 1M токенов; умеет ASR, перевод речи, TTS (text-to-speech), генерацию аудио и…
LingBot-Vision
открытая vision-модель (самообучаемый энкодер) от Robbyant (подразделение Ant Group) для плотного пространственного восприятия роботов; семейство ViT до 1.1B параметров, обучено на 161M изображений методом masked boundary modeling; в оценке…
📅 06.07
4 модели
Hy3
открытая языковая MoE-модель (Mixture of Experts) от Tencent Hunyuan: 295B параметров (21B активных), контекст 256K токенов, объединяет «быстрое» и «медленное» мышление с усиленными агентными возможностями; лицензия Apache 2.0, веса выложен…
Wan-Streamer v0.2
интерактивная real-time (в реальном времени) foundation-модель от Wan-AI (Alibaba): единый трансформер потоково обрабатывает текст, аудио и видео и на входе, и на выходе через block-causal attention для полнодуплексного аудио-визуального об…
GigaWorld-1
world-model (модель мира) от GigaAI: задаёт методику построения моделей мира для оценки политик роботов в embodied AI (воплощённом ИИ), выступая симулятором для тестирования действий робота без реального железа; код и материалы открыты (htt…
ZCode
облачный агент для кодинга от Zhipu AI (Z.ai) на базе модели GLM-5.2 с контекстом 1M токенов: умеет читать файлы, терминал и браузер, интегрируется с Git; работает только в облаке, бесплатный 5-дневный триал до 5M токенов в день (https://zc…
📅 03.07
1 модель
Leanstral 1.5
открытая MoE-модель (Mixture of Experts: 119B параметров, 6B активных, 128 экспертов, контекст 256K) от Mistral AI для формальной верификации и доказательства теорем в Lean 4; решает 587/672 задач PutnamBench, полностью «сатурирует» miniF2F…
📅 02.07
1 модель
diffusion-gemma-asr-small
открытая мультиязычная ASR-модель (распознавание речи) от стартапа Interfaze (Y Combinator); адаптер на ~42M параметров поверх замороженного диффузионного бэкбона DiffusionGemma-26B и энкодера Whisper-small, транскрибирует 6 языков (EN/DE/F…
📅 01.07
4 модели
Claude Sonnet 5
закрытая агентная LLM от Anthropic, ставшая 1 июля моделью по умолчанию для планов Free и Pro и доступная в Max/Team/Enterprise; умеет планировать, использовать инструменты (браузер, терминал) и работать автономно, показывая 63,2% на agenti…
ABot-M0.5
vision-language-action (VLA, «зрение-язык-действие») мировая модель действий от команды AMAP CVLab (Alibaba) для мобильных роботов-манипуляторов…
VideoSearch-R1
агентная модель поиска и рассуждений по видео от исследователей Korea University (группа Hyunwoo J. Kim); обучена через RL-алгоритм GRPO с «мягким» уточнением запроса в латентном пространстве вместо переписывания текста, ставит SOTA на бенч…
DART / Domain Arithmetic
метод одношаговой (one-shot) адаптации VLA-моделей к смене окружения (ракурс камеры, другой робот — с Panda на UR5e) через арифметику весов и выравнивание сингулярных подпространств; от Taewook Kang и соавторов, превосходит существующие мет…
Июнь
2026
📅 27.06
1 модель
DeepSeek-V4-DSpark (Pro / Flash)
открытые ускоренные чекпоинты от DeepSeek AI на базе DeepSeek-V4: MoE-архитектура (Mixture of Experts) на 1.6T параметров (49B активных) с гибридным вниманием и контекстом 1M токенов…
📅 26.06
3 модели
GPT-5.6 Sol
закрытая флагманская мультимодальная модель OpenAI с новым уровнем reasoning-усилия «max» и режимом «ultra» (использует суб-агентов для сложных задач); доступ только через API в ограниченном превью (~20 организаций, по согласованию с правит…
GPT-5.6 Terra
сбалансированная закрытая модель OpenAI для повседневной работы: сопоставима по качеству с GPT-5.5, но примерно вдвое дешевле; API only, цена $2.50 / $15 за 1M токенов, старт в ограниченном превью с поэтапным расширением доступа (https://he…
GPT-5.6 Luna
самая быстрая и дешёвая модель линейки GPT-5.6 от OpenAI, рассчитана на высокообъёмные рутинные задачи; закрытый API, цена $1 / $6 за 1M токенов вход/выход, доступна пока только избранным партнёрам превью (https://help.openai.com/en/article…
📅 25.06
4 модели
Ornith-1.0
семейство открытых моделей для кодинга от DeepReinforce в четырёх размерах (9B и 31B dense, а также 35B и 397B на MoE-архитектуре (Mixture of Experts), ~3B активных у 35B); построено поверх Gemma 4 и Qwen 3.5, выдаёт reasoning в <think>-бло…
Gemini 3.5 Flash (Computer Use)
Google встроила управление компьютером напрямую в Gemini 3.5 Flash: модель видит экран и сама работает с браузером, ПК и мобильными устройствами для автотестов и офисной автоматизации…
ViQ
визуальный токенизатор от Tencent HY Vision Team (с Tsinghua, NTU, CAS) на 1.3B параметров на базе SigLIP2-g, преобразующий изображения любого разрешения в дискретные коды с сохранением семантики и качества реконструкции…
Qwen-Image-Agent
агентский фреймворк для генерации изображений от Alibaba Qwen: training-free, совместим с существующими генераторами, добавляет планирование, reasoning, веб/картиночный поиск и память для multi-image и multi-turn сценариев…
📅 23.06
4 модели
lift
открытая vision-модель на 9B параметров от Datalab для извлечения структурированного JSON из PDF и изображений по заданной JSON-схеме; использует schema-constrained decoding (декодирование с ограничением по грамматике), гарантирующее валидн…
OpenThoughts-Agent
открытые агентные модели на 8B и 32B параметров, дообученные от Qwen3 командой OpenThoughts (коллаборация институтов); натренированы по data-рецептам для агентных задач (исправление кода/SWE, работа с инструментами, терминал)…
Mistral OCR 4
закрытая модель document intelligence от Mistral AI; распознаёт документы (PDF, DOC, PPT, OpenDocument) на 170 языках, выдаёт структурированный JSON с bounding-box, классификацией блоков и оценками уверенности для RAG и enterprise-поиска…
Doubao 2.1 Pro
закрытая флагманская LLM от ByteDance, представленная на конференции Volcano Engine FORCE; крупное обновление с упором на кодинг, агентные сценарии и vision-language-понимание…
📅 22.06
3 модели
Sakana Fugu
оркестрационная модель от японской Sakana AI: 7B-«дирижёр», который сам маршрутизирует подзадачи по пулу фронтир-LLM через OpenAI-совместимый API; основана на работах TRINITY и Conductor (ICLR 2026)…
Sakana Fugu Ultra
усиленный вариант того же оркестратора, настроенный на максимальную точность в сложных многошаговых задачах (кодинг, рассуждения, наука); по заявлению Sakana, сравнивается с Claude Fable 5 и Mythos, не обучая ни одной собственной фронтир-мо…
gemma-4-12B-it-abliterix
abliterated (расцензуренная) дообученная версия Google Gemma 4 12B от автора wangzhang; dense-трансформер на 12B параметров в формате BF16 safetensors со снятым «выравниванием-отказом» для локального запуска…
📅 18.06
5 моделей
Sumi
открытая диффузионная языковая модель (Diffusion LM, uniform diffusion) на 7B параметров от Tohoku University; bidirectional Transformer на 36 слоёв, обучена на 1.5T токенов по фреймворку GIDD, полностью открыты веса, чекпойнты и рецепт обу…
PerceptionDLM
мультимодальная диффузионная языковая модель (Diffusion LM) на 9B от MSALab/PKU для одновременного описания нескольких областей изображения (image-text-to-text); генерирует подписи ко всем регионам за один проход денойзинга с ускорением до…
Moebius
сверхлёгкая диффузионная модель инпейнтинга изображений на 0.22B от Huazhong University of Science and Technology и VIVO AI Lab; латентный U-Net с блоками LλMI, латентность 26 мс/шаг и качество на уровне 10B-моделей (FLUX.1-Fill) при менее…
FreeStyle
диффузионный фреймворк генерации text-to-image с раздельными референсами стиля и контента от Fudan University, построен на майнинге community LoRA; сохраняет структуру и семантику контента, перенося стиль другого изображения; открыты веса…
S-Agent-8B
vision-language агент для пространственного рассуждения (spatial reasoning) от NTU, THU и ByteDance; VLM на 8B, дообученный из Qwen3-VL-8B на датасете S-300K, координирует иерархические 2D- и 3D-инструменты для подсчёта объектов, измерения…
📅 17.06
2 модели
MolmoMotion
открытая модель Ai2 (Allen Institute for AI) для language-guided 3D motion forecasting (предсказание 3D-траекторий точек по видеокадру и текстовой инструкции); использует Molmo 2 в качестве VLM-бэкбона, выложены веса, датасет MolmoMotion-1M…
MiniMax-M3 (технический отчёт MSA)
MiniMax опубликовал технический отчёт и inference-кёрнел архитектуры MSA (MiniMax Sparse Attention) под MIT-лицензией; натиивно мультимодальная MoE-модель на ~428B параметров (~23B активных) с 1M-контекстом, двухветвевая блочно-разреженная…
📅 16.06
4 модели
GLM-5.2
флагманская MoE-модель (Mixture of Experts) от Zhipu AI на 744B параметров (40B активных) с контекстом 1M токенов, ориентирована на длинные траектории кодинг-агентов; открытые веса под лицензией MIT, доступна через API ZAI/Novita/FriendliAI…
Qwen-RobotManip
VLA-модель (vision-language-action) от Alibaba Qwen на бэкбоне Qwen3.5-4B для манипуляции объектами роботизированными руками; обучена на 38 100+ часах данных манипуляции, код опубликован на GitHub в составе сюиты Qwen-RobotSuite (https://qw…
Qwen-RobotNav
навигационная VLA-модель от Alibaba Qwen на основе Qwen3-VL (варианты 2B/4B/8B), объединяющая следование инструкциям, point/target navigation и трекинг объектов; обучена на 15.6M примеров, latency 196 мс на Unitree Go2 с Jetson Thor (https:…
Qwen-RobotWorld
видео-«мировая модель» от Alibaba Qwen для предсказания будущих кадров сцены до действия робота; 60-слойная двухпоточная MMDiT-архитектура с замороженным энкодером Qwen2.5-VL на 20B параметров, опубликована в составе Qwen-RobotSuite (https:…
📅 13.06
2 модели
GLM-5.2
флагманская MoE-модель (Mixture of Experts) от Zhipu AI / Z.ai на 744B параметров (40B активных) с контекстом 1M токенов; 13 июня запущена на всех платных тарифах GLM Coding Plan (Lite / Pro / Max / Team), заточена под агентское программиро…
Count Anything
vision-модель подсчёта объектов по текстовому запросу от исследователей Tsinghua University (Mengqi Lei и соавторы); построена поверх Meta SAM3 с двумя счётчиками (Region-level Sparse Counter для крупных объектов, Pixel-level Dense Counter…
📅 12.06
3 модели
Kimi K2.7 Code
открытая coding-модель от Moonshot AI с MoE-архитектурой (Mixture of Experts): 1 триллион параметров всего, 32B активных, 384 эксперта, контекст 256K; заточена на длинные agentic-задачи в инженерии ПО, лицензия Modified MIT, веса на Hugging…
Zamba2-VL
семейство открытых vision-language моделей от Zyphra на 1.2B / 2.7B / 7B параметров с гибридной архитектурой Mamba2 (state-space) + Transformer; снижает time-to-first-token примерно на порядок против обычных VLM, лицензия Apache 2.0 (https:…
Gemini-SQL2
закрытая text-to-SQL модель Google Research поверх Gemini 3.1 Pro, переводит естественный язык в исполняемые SQL-запросы; первая система, преодолевшая 80% на бенчмарке BIRD (80.04%), без fine-tuning, рассчитана на интеграцию в BigQuery (htt…
📅 10.06
5 моделей
DiffusionGemma 26B-A4B
открытая MoE-модель (Mixture of Experts) от Google DeepMind на базе Gemma 4: 26B параметров (3.8B активных), диффузионная генерация текста параллельно вместо токен-за-токеном, контекст 256K, 140+ языков, Apache 2.0, ~1100 ток/с на H100 (htt…
Gemini 3.5 Live Translate
закрытая мультимодальная аудио-модель Google для синхронного голосового перевода с автоопределением языка на 70+ языков, доступ через Gemini API и приложение Gemini (https://blog.google/innovation-and-ai/models-and-research/gemini-models/ge…
i1
text-to-image (T2I) диффузионная модель на 3B параметров от Принстона, полностью открытый рецепт (веса, код и данные публичны), обучена на 300+ контролируемых экспериментах и конкурирует с проприетарными системами при тренировке только на п…
InternVideo3
мультимодальная видео-foundation модель от Shanghai AI Lab с архитектурой Multimodal Multi-head Latent Attention (M²LA) для длинного видео-контекста; вводит парадигму Multimodal Contextual Reasoning (MCR) и показывает SOTA на Video-MME, MLV…
DeNovoSWE-Agent
code-агент для генерации целых репозиториев из документации, fine-tuned на Qwen3-30B-A3B и Qwen3.5-35B-A3B; поднимает результат на BeyondSWE-Doc2Repo с 5.8% до 47.2%, датасет на 4818 инстансов и код открыты (https://huggingface.co/collectio…
📅 09.06
5 моделей
Claude Fable 5
закрытая флагманская модель Mythos-класса от Anthropic для самых сложных задач кодинга, vision и научных исследований; доступна через Claude API и Enterprise-планы по цене $10/$50 за 1M входных/выходных токенов (https://www.anthropic.com/ne…
Claude Mythos 5
та же базовая модель, что и Fable 5, но со снятыми защитными ограничениями; доступна узкой группе кибердефендеров и инфраструктурных провайдеров через Project Glasswing, цена та же ($10/$50 за 1M токенов) (https://www.anthropic.com/news/cla…
North Mini Code
открытая агентная coding-модель от Cohere на MoE-архитектуре (Mixture of Experts), 30B параметров (3B активных), контекст 256K и выход 64K; лицензия Apache 2.0, веса на HuggingFace, на Coding Index обгоняет Devstral Small 2 в 2.8× по throug…
Gemini 3.5 Live Translate
закрытая стриминговая speech-to-speech audio-модель от Google DeepMind для синхронного перевода между 70+ языками с сохранением тона и темпа; доступна в public preview через Gemini Live API и Google AI Studio, частный preview в Google Meet…
ABot-Earth 0.5
генеративная 3D-модель Земли от Alibaba AMap CV Lab, по одному спутниковому снимку или текстовому промту строит километровую городскую сцену в формате 3D Gaussian Splatting за ~10 минут на потребительском GPU; код открыт на GitHub, paper оп…
📅 08.06
4 модели
Xiaomi MiMo-V2.5-Pro-UltraSpeed
релиз Xiaomi совместно с TileRT: триллион-параметрическая MoE-модель (Mixture of Experts) с FP4-квантизацией и DFlash speculative decoding, преодолевшая отметку 1000+ токенов/с на стандартной 8-GPU-ноде; чекпойнт FP4-DFlash открыт на Huggin…
Nex-N2-Pro
агентная MoE-модель от Nex AGI на 397B параметров (17B активных) на базе Qwen3.5, мультимодальная (image-text-to-text), контекст 262K, лицензия Apache 2.0; 75.3 на Terminal-Bench 2.1 и 1585 на GDPval, конкурирует с GPT-5.5 и Claude Opus 4.7…
Nex-N2-Pro (free)
бесплатный облачный доступ к Nex-N2-Pro через OpenRouter с поддержкой reasoning, function calling и structured outputs, оптимизирован для кодинга, deep research и долгогоризонтных агентных задач (https://openrouter.ai/nex-agi/nex-n2-pro:fre…
Apple Siri (Gemini-powered)
обновлённый Siri от Apple, представленный на WWDC 2026: работает на кастомной 1.2T-параметрической модели Google Gemini в Private Cloud Compute, поддерживает on-screen awareness, persona context и Extensions (выбор ChatGPT/Gemini/Claude) (h…
📅 05.06
5 моделей
Gemma 4 E2B QAT
открытая мультимодальная (текст/изображение/аудио) модель от Google DeepMind, 2.3B эффективных параметров, 128K контекст; квантизация Q4_0 ужимает её до 3.2 ГБ, а новый мобильный формат — до ~1 ГБ для запуска на смартфонах, лицензия Gemma (…
Gemma 4 E4B QAT mobile
edge-вариант Gemma 4 на 4B параметров с мобильно-оптимизированным форматом (статические активации, channel-wise квантизация, 2-bit таргетное сжатие), занимает 5 ГБ в Q4_0 против 15 ГБ в BF16; готов к запуску через LiteRT-LM и MLX (https://h…
Gemma 4 12B QAT
instruction-tuned dense-модель Google на 12B параметров с QAT-квантизацией w4a16, рассчитана на потребительские GPU; поддерживает llama.cpp, Ollama, LM Studio, vLLM, лицензия Gemma (https://huggingface.co/google/gemma-4-12B-it-qat-w4a16-ct)
Gemma 4 26B-A4B QAT
MoE-архитектура (Mixture of Experts) Google DeepMind с 26B всего и 4B активных параметров на токен, QAT Q4_0 чекпойнт для эффективного локального инференса с компенсацией потерь точности на этапе обучения (https://huggingface.co/google/gemm…
Gemini Enterprise Agentic RAG
закрытая enterprise-система Google Research на базе Gemini для надёжного retrieval-augmented generation в корпоративных агентах; доступ только через Gemini Enterprise Agent Platform, без открытых весов (https://research.google/blog/unlockin…
📅 04.06
3 модели
Nemotron 3 Ultra
флагманская открытая модель NVIDIA на 550B параметров (55B активных) с гибридной MoE-архитектурой (Mixture of Experts) Mamba-Transformer, 108 слоёв и 512 экспертов; контекст 1M токенов, лицензия NVIDIA Open Model License, заточена под долго…
Nemotron 3.5 Content Safety
мультимодальный классификатор безопасности от NVIDIA на 4B параметров поверх Gemma 3 4B IT с LoRA-адаптерами и контекстом 128K; оценивает текст, изображения и ответы ассистента, поддерживает 12 языков нативно и ~140 в zero-shot, лицензия NV…
Grok Imagine Video 1.5
закрытая image-to-video модель xAI: анимирует статичные изображения в короткие ролики до 720p с сохранением освещения и деталей; управляется текстовыми промтами для камеры и темпа, доступна только в preview через xAI API (https://x.ai/news/…
📅 03.06
4 модели
Gemma 4 12B
открытая мультимодальная модель Google DeepMind на 12B параметров без визуального энкодера, нативно обрабатывает текст, изображения и аудио…
Cosmos 3
семейство foundation-моделей мира от NVIDIA в двух вариантах: Nano 16B (бэкбон Qwen3-VL 8B) и Super 64B (бэкбон Qwen3-VL 32B), архитектура two-tower MoT (Mixture of Transformers)…
Ideogram 4.0
открытая (open-weight) text-to-image (T2I) модель от Ideogram с нативным 2K-разрешением, bounding-box контролем размещения объектов и заметно улучшенным рендерингом текста…
Cosmos 3 paper
статья NVIDIA «Cosmos 3: Omnimodal World Models for Physical AI» на HuggingFace Papers, описывающая two-tower MoT-архитектуру и протоколы обучения для омнимодальных моделей мира; набрала ~8.7K апвоутов за день (https://huggingface.co/papers…
📅 02.06
6 моделей
MAI-Thinking-1
первая собственная reasoning-модель Microsoft: разреженная MoE-архитектура (Mixture of Experts) на ~1T параметров (35B активных) с контекстом 256K, обучена без дистилляции чужих моделей; сильна в математике (AIME 2026 — 94.5%) и кодинге, до…
MAI-Code-1-Flash
компактная кодинг-модель Microsoft на 5B параметров с адаптивным «мышлением» (экономит до 60% токенов на сложных задачах); закрытые веса, доступна в GitHub Copilot включая бесплатный тариф, по цене/качеству обходит Claude Haiku 4.5 (https:/…
MAI-Image-2.5
обновлённая модель Microsoft для генерации и редактирования изображений (text-to-image + image-to-image) с функциями «контроль с сохранением» деталей; дебютировала на 3-м месте Arena.ai среди image-моделей, доступ только через API в Microso…
MAI-Voice-2
многоязычная TTS-модель Microsoft (text-to-speech) с клонированием голоса и voice-prompting для более чем 15 языков, единый голос сохраняет идентичность между языками; закрытая, поставляется через Foundry и продукты Copilot/Bing (https://te…
MAI-Transcribe-1.5
модель распознавания речи (speech-to-text) от Microsoft на MoE-архитектуре, поддержка 43 языков и контекстного смещения терминологии; примерно в 5× быстрее конкурентов при цене $0.36/час, доступна только в облаке через Foundry (https://tech…
Holo3.1
семейство быстрых computer-use агентов (управление GUI на вебе, десктопе и мобильных) от H company в размерах 0.8B/4B/9B и 35B-A3B (MoE); открытые веса на HuggingFace с квантизациями FP8/NVFP4/Q4 GGUF для локального запуска, 79.3% на Androi…
📅 01.06
4 модели
MiniMax M3
открытая мультимодальная LLM от китайской MiniMax на разреженном внимании MSA (MiniMax Sparse Attention) с контекстом 1M токенов; нативно понимает изображения и видео, управляет компьютером и силён в агентном кодинге (59% SWE-Bench Pro, 70%…
Mellum2
компактная MoE-модель (Mixture of Experts) на 12B параметров (2.5B активных) от JetBrains для текста и кода; более чем в 2 раза быстрее моделей своего класса, заточена под маршрутизацию, RAG и саб-агентов, лицензия Apache 2.0 (https://huggi…
NVIDIA Cosmos 3
открытая omni-модель для физического ИИ от NVIDIA на архитектуре Mixture-of-Transformers; в едином трансформере объединяет генерацию мира, физический reasoning и генерацию действий (текст/изображение/видео/аудио/действия), версии Nano 16B и…
Nemotron 3 Ultra
открытая (open-weight) MoE-модель от NVIDIA на ~550B параметров (~55B активных), анонсирована 1 июня (выкладка весов 4 июня); сильнейшая открытая модель из США по Artificial Analysis (48 баллов) и >300 токенов/с на DeepInfra (https://the-de…
Май
2026
📅 29.05
5 моделей
Step 3.7 Flash
открытая vision-language MoE-модель (MoE — Mixture of Experts, разреженная архитектура экспертов) на 198B параметров (~11B активных) с контекстом 256k от StepFun; ориентирована на агентов для кодинга и веб-поиска (56,26% на SWE-Bench Pro)…
Qwen-VLA
vision-language-action модель (зрение-язык-действие) от Alibaba Qwen для управления роботами разных конфигураций; использует DiT-декодер действий (Diffusion Transformer) и единый фреймворк для манипуляций и навигации, 97,9% на бенчмарке LIB…
minWM
открытый full-stack фреймворк от ShengShu и университетов Tsinghua/RUC для real-time интерактивных видео-world-моделей; дистиллирует диффузионные бэкбоны Wan2.1-1.3B и HY1.5-8B в few-step (малошаговые) авторегрессионные генераторы, ускоряя…
NAVA
модель на 6.3B параметров от ERNIE Team (Baidu) для совместной генерации аудио и видео; архитектура Align-then-Fuse MMDiT обеспечивает точную аудио-видео синхронизацию и управляемый тембр речи, веса и код открыты на HuggingFace (https://hug…
GPT-Rosalind
закрытая облачная модель OpenAI для наук о жизни (рассуждения о молекулах, белках, генах, биологии болезней); 29 мая OpenAI расширила бесплатный доступ через программу Rosalind Biodefense для проверенных команд и госпартнёров (вакцины, скри…
📅 28.05
10 моделей
RightNow-Arabic-0.5B-Turbo
арабоязычная LLM на 518M параметров на базе Qwen2.5-0.5B, полные веса (bf16/int8/GGUF), код и бенчмарки выложены на Hugging Face (arXiv cs.CL)
Liquid AI LFM2.5-8B-A1B
MoE-модель с 8.3B общих и 1.5B активных параметров, оптимизирована для on-device-инференса
Perplexity Unigram Tokenizer
переписанный с нуля open-source токенизатор, снижает латентность реранкеров и CPU-нагрузку в 5–6×
minWM
полностековый open-source фреймворк для интерактивных видео-«world models» в реальном времени
Qwen-VLA
унифицированная vision-language-action модель от команды Qwen для роботов и разных окружений
MOSS-TTS
открытое семейство моделей для генерации речи и звуков, включая диалоги и звуковые эффекты
Parallax
параметризованное локальное линейное внимание для языкового моделирования от Northwestern University
GenClaw
code-driven агентная генерация изображений от Tencent Hunyuan
LiteCoder-Terminal
масштабирование long-horizon terminal-окружений для обучения языковых агентов
PhoneWorld
масштабируемая среда для агентов, использующих смартфон
📅 27.05
15 моделей
DiffusionBlocks
фреймворк блочного обучения от Sakana AI, превращает остаточные сети в независимо обучаемые денойзинг-модули
Polar
NVIDIA выпустила token-faithful rollout-фреймворк для GRPO-тренировки поверх Codex, Claude Code и Qwen Code
EAGLE 3.1
алгоритм спекулятивного декодинга, борющийся с attention drift; совместный релиз EAGLE team, vLLM и TorchSpec
Gamma-World
генеративная модель мульти-агентного мира от NVIDIA, выходящая за рамки игр на двух игроков
From Pixels to Words
натив-визуальная модель на масштабе с архитектурой one-vision
Agent Explorative Policy Optimization
NVIDIA, оптимизация политики для мультимодального агентного рассуждения
OSP-Next
эффективная высококачественная модель генерации видео от Peking University
HRBench
Tencent, бенчмарк стратегий переключения режимов мышления в гибридно-рассуждающих LLM
OmniVerifier-M1
мультимодальный мета-верификатор со структурированной рекалибровкой
ResearchMath-14K
Seoul National University, агентное масштабирование математики исследовательского уровня
Self-Improving LM with Bidirectional Evolutionary Search
Harvard, самоулучшающиеся языковые модели через двунаправленный эволюционный поиск
AutoScientists
Harvard, самоорганизующиеся команды агентов для научных экспериментов
ITBench-AA
IBM × Artificial Analysis, первый бенчмарк для агентных задач корпоративного IT (фронтир-модели набирают <50%)
Reachy Mini goes fully local
open-source стек локального голосового робота от Pollen Robotics / Hugging Face
FLUID
фреймворк адаптации AR-бэкбонов к диффузионным моделям для параллельной генерации текста (arXiv cs.CL)
📅 26.05
10 моделей
OmniVoice Studio
локальная open-source альтернатива ElevenLabs: клонирование голоса, дубляж видео, диктовка и диаризация спикеров, поддержка 646 языков и встроенный MCP-сервер
Stable Audio 3
семейство быстрых latent-diffusion моделей для генерации и редактирования аудио (Small SFX 459M, Small 459M, Medium 1.4B с открытыми весами); генерация композиций до 6 мин 20 сек
LocateAnything
модель NVIDIA для vision-language grounding с параллельным декодированием bounding-боксов
MobileMoE
оптимизированная on-device Mixture-of-Experts модель от Meta AI для запуска на мобильных устройствах
MUSE-Autoskill
фреймворк самоэволюционирующих агентов ByteDance с автономным созданием навыков, памятью и оценкой
RT-Lynx
диффузионная модель от RTP-LLM с правильной GEMM-разрежённостью для ускорения инференса
MRT (Masked Region Transformer)
трансформер для послойной генерации и редактирования изображений в большом масштабе
Soap2Soap
мультиагентная система Show Lab для пересборки длинных кинематографических видео
Geometry-Aware Representation Denoising
модель KAIST AI для устойчивой multi-view 3D-реконструкции через денойзинг геометрических представлений
Squeezing Capacity from MLLMs
методы Adobe для эффективной subject-driven генерации на базе мультимодальных LLM
📅 25.05
6 моделей
Raon-Speech
9B-параметровая речевая языковая модель для английского и корейского с публичными чекпоинтами и обучающим пайплайном (arxiv cs.CL)
QUEST
семейство открытых моделей 2B–35B в роли универсальных агентов для глубоких исследований; выложены веса, данные и скрипты обучения (arxiv cs.CL)
EchoDistill
open-source фреймворк выравнивания для аудио-LLM, повышающий устойчивость к шуму; код в анонимном репозитории (arxiv cs.CL)
ContextEcho
открытый бенчмарк и харнесс для измерения дрейфа персоны в длинных агентских сессиях кодинга (arxiv cs.CL)
CP-Agent
агент с калиброванным контролем риска для соревновательного программирования; код на GitHub (arxiv cs.CL)
OSCAR
attention-aware система 2-битной квантизации KV-кэша для long-context инференса LLM от Together AI (together.ai)
📅 24.05
2 модели
Gated DeltaNet-2
новый слой линейного внимания от NVIDIA AI, разделяющий «стирание» и «запись» в Delta Rule через отдельные канальные гейты; на 1.3B параметрах и 100B токенах обгоняет конкурентов в…
Webwright
терминальный browser-agent фреймворк от Microsoft Research, заменяющий click-trace веб-автоматизацию переиспользуемыми Playwright-скриптами; 60.1% на Odysseys и 86.7% на Online-Min…
📅 23.05
4 модели
Nemotron-Labs Diffusion
диффузионные языковые модели NVIDIA с генерацией текста «на скорости света»
TencentDB Agent Memory
четырёхуровневая локальная система памяти для AI-агентов от Tencent
Contrastive Neuron Attribution (CNA)
метод от Nous Research для управления MLP-цепями без SAE-обучения и модификации весов
Bumblebee
read-only сканер цепочки поставок для разработчиков от Perplexity
📅 22.05
3 модели
Microsoft Fara1.5
семейство open-weight браузерных computer-use агентов (4B/9B/27B на базе дообученной Qwen 3.5); 27B-версия даёт 72% на Online-Mind2Web, опережая OpenAI Operator и Gemini 2.5 Comput…
OpenMythos
открытый фреймворк для построения recurrent-depth трансформеров с поддержкой MLA, GQA, Sparse MoE и loop-scaled reasoning
Models.dev
открытая база спецификаций, цен и возможностей AI-моделей (Hacker News / YC)
📅 17.05
7 моделей
X-OmniClaw (Oppo Multi-X)
открытый Android AI-агент, работающий прямо на устройстве: использует камеру, экран и голос для выполнения задач в реальных приложениях без облачного клона телефона; запоминает цеп…
Solvita
агентный фреймворк непрерывного обучения для соревновательного программирования; 4 специализированных агента (Planner, Solver, Oracle, Hacker) накапливают опыт без изменения весов…
ICRL
фреймворк RL для интернализации самокритики языковой моделью; построен на Qwen3-4B/8B, код открыт (arXiv cs.AI)
SMCEvolve
метод поиска программ на основе Sequential Monte Carlo: задача переформулируется как сэмплирование из reward-tilted распределений; ориентирован на научные открытия, код открыт (arX…
SkillSmith
компилятор и рантайм для упаковки навыков агентов в минимальные исполняемые интерфейсы; исходный код и данные опубликованы на GitHub (arXiv cs.AI)
OP-Mix
алгоритм смешивания данных для тренировки LLM на всём жизненном цикле через low-rank адаптеры, обученные на текущей модели; устраняет необходимость в прокси-моделях (arXiv cs.CL)
Parallel Speculative Decoding (PSD)
фреймворк без дообучения для ускорения инференса диффузионных LLM через адаптивные политики размаскирования (arXiv cs.CL)
📅 15.05
3 модели
Supertonic v3
лёгкая on-device TTS-модель (~99M параметров, ONNX) с поддержкой 31 языка, тегами эмоций (<laugh>, <breath>, <sigh>) и сниженным числом ошибок чтения
ZAYA1-8B-Diffusion-Preview
первая MoE diffusion-модель от Zyphra, сконвертированная из авторегрессионного LLM, с ускорением до 7.7× при генерации
VectraYX-Nano
41.95M decoder-only LLM для испаноязычной кибербезопасности с нативной интеграцией MCP; опубликованы корпус, скрипты обучения и GGUF-веса (arXiv cs.CL, 2605.13989)
📅 13.05
7 моделей
GLiGuard
энкодерная safety/guardrail-модель на 300M параметров от Fastino Labs (детекция джейлбрейков, классификация вреда и отказы за один проход), лицензия Apache 2.0, опубликована на Hug…
Voxtral TTS
мультиязычная TTS-модель на 4B параметров от Mistral, архитектура Autoregressive + Flow-Matching, синтез 24 kHz (WAV/MP3/FLAC), лицензия CC BY-NC 4.0
Qwen-Image-VAE-2.0
технический отчёт от команды Qwen (Alibaba) о новой архитектуре image VAE, сопровождается публикацией модели
AnyFlow
any-step видео-диффузионная модель от NVIDIA с on-policy flow map distillation
PresentAgent-2
мультимодальный агент общего назначения для генерации презентаций от Peking University
DavidAU/Marco-Nano-Thinking-8B-A0.6B
компактная reasoning-модель на 8B параметров
OpenHuman
Rust-проект персонального приватного AI-суперинтеллекта, +1696 звёзд за день
📅 09.05
2 модели
NVIDIA Star Elastic
единый чекпойнт, содержащий вложенные ризонинг-модели на 30B/23B/12B с zero-shot «нарезкой» размера без дообучения; вариант 23B→30B даёт до +16% точности и 1.9× меньшую задержку
OncoAgent
open-source двухуровневый мульти-агентный фреймворк для приватного клинического принятия решений в онкологии
📅 08.05
2 модели
EMO (Allen AI)
MoE-модель с эмерджентной модульностью, 1B активных / 14B общих параметров, 128 экспертов, обучена на 1T токенов; веса, код и статья открыты
CyberSecQwen-4B
специализированная 4B-модель на базе Qwen3-4B-Instruct для оборонительной кибербезопасности (CWE/CVE-классификация, threat intel), Apache 2.0, запускается на 12 ГБ GPU
📅 07.05
6 моделей
TokenSpeed
открытый инференс-движок для LLM от LightSeek Foundation, нацелен на агентские нагрузки и сопоставимую с TensorRT-LLM производительность
NeuralBench / NeuralBench-EEG v1.0
открытый бенчмарк-фреймворк Meta AI для NeuroAI: 36 задач, 94 датасета, 14 архитектур, крупнейший открытый EEG-бенчмарк
Hunyuan3D-2.1
открытая модель Image-to-3D (Tencent), новая публикация на Hugging Face
gemma-4-E4B-it
instruct-вариант Gemma 4 E4B (~8B, Any-to-Any), опубликован на Hugging Face
Negentropy-claude-opus-4.7-9B (8bit / bf16)
открытые 9B-веса для генерации текста, выложены на Hugging Face
modern_DNABERT
обновлённая открытая BERT-модель для геномных последовательностей
📅 06.05
6 моделей
Voxtral TTS
TTS-модель Mistral (4B параметров) с авторегрессивно-flow-matching архитектурой и выходом 24 кГц
Gemma 4 MTP Drafters
вспомогательные модели Google для спекулятивного декодинга Gemma 4, ускорение до 3× без потери качества, Apache 2.0 на HF и Kaggle
HunyuanOCR Q8_0 GGUF
квантизованная (Q8_0) сборка HunyuanOCR (0.5B) для image-text-to-text задач, формат GGUF
TabPFN
обновление foundation-модели для табличных данных, в топе GitHub Trending за день
Kronos
open-source foundation-модель для анализа финансовых рынков и языка торговли
vLLM V0→V1
апдейт open-source инференс-движка с фокусом на корректность RL-режимов
📅 05.05
7 моделей
Voxtral TTS
TTS-модель Mistral, 4B параметров, гибрид авторегрессии и flow-matching, 24 кГц, многоязычное клонирование голоса, лицензия CC BY-NC 4.0 (marktechpost.com)
Kimi K2.6
открытая модель Moonshot, конкурирует с GPT-5.4 и Claude Opus 4.6 за счёт агентных «роёв» (the-decoder.com)
GLM-5V-Turbo
нативная мультимодальная foundation-модель для агентов от Zhipu, статья и веса на arXiv (news.ycombinator.com)
isetnefret/gemma-4-E2B-it-mlx-fp16
порт Gemma 4 E2B-it под Apple MLX в fp16, ~5B параметров, any-to-any (huggingface.co)
ThakiCloud/SkillRet-Embedding-8B
модель эмбеддингов на 8B для поиска по навыкам/sentence-similarity (huggingface.co)
core12345/codev-r1-9b-atgrpo
9B reasoning-модель для кода, дообученная методом AT-GRPO (huggingface.co)
NLP-Final-Project/mistral-7b-base-dpo
DPO-файнтюн Mistral-7B-base, открытые веса (huggingface.co)
📅 01.05
7 моделей
Nemotron 3 Nano Omni
открытая мультимодальная модель от NVIDIA, ориентированная на эффективность и агентные сценарии
MiniCPM-o 4.5
омни-модальная модель на 9B параметров с full-duplex real-time обработкой зрения, аудио и речи для edge-устройств (arxiv cs.CL)
Qwen-Scope
открытая SAE-сьюита от Qwen AI, превращающая внутренние признаки LLM в практические инструменты разработки
JaiTTS-v1.0
открытая TTS-модель клонирования голоса для тайского языка с SOTA-показателем CER (arxiv cs.CL)
Length Value Model (LenVM)
открытый token-level фреймворк для предсказания оставшейся длины генерации в LLM и VLM (arxiv cs.CL)
NeuralSet
open-source Python-пакет от Meta FAIR для нейро-AI задач: fMRI, M/EEG, спайк-записи и эмбеддинги Hugging Face
Meta Autodata
открытый агентный фреймворк, превращающий AI-модели в автономных «дата-сайентистов» для генерации качественных обучающих данных
Апрель
2026
📅 30.04
14 моделей
GLM-5V-Turbo
нативная мультимодальная foundation-модель для построения агентных систем
MiniCPM-o 4.5
9B омни-модальная модель с полнодуплексным real-time взаимодействием, требует <12 ГБ ОЗУ (arXiv cs.CL)
Tencent Hy-MT1.5-1.8B-1.25bit
440 МБ офлайн-модель перевода на 33 языка прямо на смартфоне (The Decoder)
Granite Speech 4.1 2B (IBM)
пара компактных речевых моделей: авторегрессионный ASR с переводом + неавторегрессионное редактирование
FlashKDA (Moonshot AI)
open-source CUTLASS-ядра для Kimi Delta Attention с поддержкой переменной длины батча на H20
Turning the TIDE (Пекинский ун-т)
кросс-архитектурная дистилляция для диффузионных LLM с открытым кодом
Diffusion Templates
единый plugin-фреймворк для управляемой генерации в диффузионных моделях
Praxy Voice (Praxel)
TTS commercial-класса для индийских языков с восстановлением голос-промптом
VachaSpeech-0.6B-GGUF
компактная 0.6B речевая модель в формате GGUF
Geodesic-Phantom-12B-GGUF
12B языковая модель в формате GGUF для локального запуска
Qwen2.5-VL-7B-Instruct-OmniQuant-w8a8
W8A8 OmniQuant-квантизация vision-language модели Qwen2.5-VL-7B
Whisper Ghanaian ASR
модель распознавания речи, дообученная на ганских языках
ClawGym
масштабируемый open-source фреймворк для обучения агентов-манипуляторов
Large Language Models Explore by Latent Distilling (ShanghaiTech)
метод исследования LLM через дистилляцию в латентном пространстве с открытым релизом
📅 29.04
7 моделей
Granite 4.1 (IBM)
семейство dense decoder-only LLM (3B / 8B / 30B), Apache 2.0, обучены на ~15T токенов, контекст до 512K
Nemotron 3 Nano Omni (NVIDIA)
открытая мультимодальная модель, рассуждает по тексту, изображениям, видео и аудио, под агентные нагрузки
Step-Audio-R1.5 (StepFun)
технический отчёт о новой версии аудио-модели с reasoning, топ дня по апвоутам на HF Papers
VibeVoice (Microsoft)
open-source frontier voice AI, в трендах GitHub за день
FlashQLA
высокопроизводительная библиотека ядер линейного внимания, ускорение до 3× на NVIDIA Hopper
smol-audio
набор Colab-ноутбуков для дообучения речевых и аудио-моделей
NeuralSet
Python-пакет для neuro-AI с поддержкой fMRI, M/EEG, спайков и эмбеддингов HuggingFace
📅 28.04
9 моделей
LittleLamb 0.3B
ультракомпактная модель общего назначения от Multiverse Computing, 50%-сжатая версия Qwen3-0.6B с двуязычным рассуждением
LittleLamb 0.3B Tool-Calling
вариант LittleLamb, оптимизированный под вызов инструментов и агентные сценарии
LittleLamb 0.3B Mobile
деплой-ориентированный вариант LittleLamb для on-device и мобильных применений
NVIDIA Nemotron 3 Nano Omni
мультимодальная модель с длинным контекстом для документов, аудио и видео-агентов
Marco-MoE
открытое семейство многоязычных Mixture-of-Experts моделей (~5% активных параметров) с полностью открытыми весами, датасетами и рецептом обучения (arXiv 2604.25578)
VibeVoice
open-source фронтирная голосовая AI-модель от Microsoft
OpenAI Privacy Filter
открытая модель на 1.5B параметров (50M активных) для редактирования PII и приватности данных
MING-MOE-14B
открытая Mixture-of-Experts модель на 14B параметров, опубликованная на Hugging Face
Fiber-Qwen2.5-7B
открытая модель генерации текста на базе Qwen2.5-7B от LayerEight
📅 27.04
2 модели
Talkie-1930
открытая 13B LLM, обученная исключительно на англоязычных текстах до 1931 года; для исследований исторического рассуждения и обобщения
MOSS-Audio
открытая мультимодальная аудио-foundation-модель: речь, окружающие звуки, музыка и темпоральное рассуждение в единой архитектуре, обходит более крупные проприетарные альтернативы н…
📅 26.04
10 моделей
Qwen3.6-27B
плотная 27B модель Alibaba, обходит более крупного MoE-предшественника на бенчмарках кодинга, проще в развёртывании (the-decoder.com)
Ghost-V6-Deep-Thinker
вариант Ghost-V6 с акцентом на цепочки рассуждений
Ghost-V6-Ultra-Reasoning
8B модель генерации текста с расширенными возможностями reasoning
helenk/gemma-4-finetune
мультимодальный image-text-to-text файнтюн на базе Gemma 4
BAR-7B-GGUF
7B модель в формате GGUF для локального инференса
Eve-4b-FP16-i1-GGUF
4B модель Eve в FP16 с GGUF-квантизацией
bluey-8B_GGUF
8B модель в GGUF
symfony_ai_maker-V0.5-Qwen3-0.6B
лёгкий ассистент для Symfony на основе Qwen3-0.6B, версии 16bit и LoRA
pcd-llama31-8b-singlelayer-72m-norm
экспериментальный вариант Llama 3.1 8B с однослойной архитектурой
HOIGen1M_hands_mask
модель генерации масок рук для задач Human-Object Interaction
📅 24.04
10 моделей
DeepSeek-V4-Pro
флагманская MoE-модель на 1.6T параметров с контекстом 1M токенов и архитектурой Hybrid Attention; топ среди open-моделей по коду и математике
DeepSeek-V4-Flash
облегчённая версия V4 на 284B параметров с тем же 1M-контекстом, рассчитанная на дешёвый инференс
AgenticQwen
серия малых агентных LLM, обученных через RL; чекпоинты и часть синтетических данных открыты
AFRILANGTUTOR
дообученные Llama-3-8B-IT и Gemma-3-12B-IT под 10 африканских языков, прирост 1.8–15.5% через SFT+DPO
VLAA-GUI
модульный open-source фреймворк GUI-автоматизации, 77.5% на OSWorld (arXiv 2604.21375 / UCSC-VLAA)
Decoupled DiLoCo
открытый метод устойчивого распределённого предобучения больших моделей (arXiv 2604.21428)
Huihui4-8B-A4B-GGUF
8B-модель в формате GGUF для локального инференса
Llama-3.2-3B_mathv1_grpo
версия Llama 3.2 3B, дообученная GRPO под математические задачи
ReasonAssessor
модель оценки качества рассуждений LLM
isabert-v2-stage2
ALBERT-вариант второй стадии обучения
📅 23.04
2 модели
DeepSeek-V4 (Pro и Flash)
открытые веса, гибридное внимание (CSA+HCA), контекст до 1 млн токенов, доступны на Hugging Face
OpenMythos
открытая PyTorch-реализация, достигающая глубокого рассуждения через итеративные вычисления вместо роста числа параметров
📅 21.04
3 модели
Kimi K2.6
open-weight модель от Moonshot AI, конкурирует с GPT-5.4 и Claude Opus 4.6 на задачах кодинга, поддерживает «рои» до 300 параллельных агентов; модифицированная MIT-лицензия (artifi…
ml-intern
open-source автономный ML-инженер от Hugging Face, читает статьи, обучает модели и автоматизирует post-training-пайплайн LLM (github.com/huggingface, marktechpost.com)
QIMMA قِمّة
open-source Arabic LLM Leaderboard от TIIUAE с 52 000+ примеров по 7 доменам и качественной валидацией бенчмарков (huggingface.co/blog)
📅 20.04
1 модель
Kimi K2.6 (Moonshot AI)
open-source модель для «long-horizon coding» с агентной архитектурой до 300 под-агентов и 4 000 скоординированных шагов
📅 18.04
4 модели
SAGE Celer 2.6 (5B / 10B / 27B)
многоязычная мультимодальная модель общего назначения с нативной поддержкой южноазиатских языков (деванагари, хинди, непали); три размера весов (arXiv cs.CL, новинки 18 апр.)
RAD-2
масштабируемая система обучения с подкреплением в схеме «генератор–дискриминатор»; авторы утверждают улучшение на задачах рассуждения по сравнению с GRPO
HY-World 2.0
мультимодальная world-модель для реконструкции, генерации и симуляции 3D-миров; поддерживает видео и изображения
Gemini Robotics-ER 1.6
модель Google DeepMind для воплощённого рассуждения в робототехнике; статья о релизе опубликована 18 апр. на The Decoder (статус открытых весов не подтверждён)
📅 17.04
9 моделей
NVIDIA Nemotron OCR v2
быстрая мультиязычная OCR-модель с гибридной архитектурой (детектор + распознаватель + реляционная модель); 6 языков, 34 страницы/сек на A100; лицензия NVIDIA Open Model License (h…
HY-World 2.0
мультимодальная world model для реконструкции, генерации и симуляции 3D-миров; 45 авторов
RAD-2
модель масштабирования RL в фреймворке генератор-дискриминатор; Huazhong University of Science and Technology
HiVLA
иерархическая воплощённая манипуляционная система с визуальной привязкой; 11 авторов
GlobalSplat
эффективный feed-forward 3D Gaussian Splatting через глобальные токены сцены; Hebrew University of Jerusalem
MM-WebAgent
иерархический мультимодальный веб-агент для генерации веб-страниц; Microsoft Research
SAGE Celer 2.6
модель общего назначения 5B–27B параметров с мультимодальными возможностями и оптимизацией для южноазиатских языков (arXiv cs.CL, 17.04.2026)
APEX-MEM
разговорная система памяти на основе граф свойств с темпоральным рассуждением для долгосрочных взаимодействий (arXiv cs.CL, 17.04.2026)
HUOZIIME
on-device LLM-расширенный метод ввода для мобильных устройств с иерархическим механизмом памяти (arXiv cs.CL, 17.04.2026)
📅 16.04
8 моделей
Qwen3.6-35B-A3B (Alibaba)
открытая MoE-модель на 35B параметров (3B активных), можно запустить локально на ноутбуке; по неформальным тестам обходит Claude Opus 4.7 в ряде задач
Gemma 4 (Google DeepMind)
открытая мультимодальная модель для агентного AI с локальным запуском на мобильных устройствах, данные не покидают устройство
Parcae (UCSD + Together AI Research)
новая архитектура «зацикленных» языковых моделей, которая достигает качества трансформера вдвое большего размера при меньшем числе параметров
SAGE Celer 2.6 (SAGEA Research Team)
семейство открытых моделей 5B/10B/27B с нативной мультимодальностью и усиленной поддержкой южноазиатских языков (хинди, непали, деванагари)
HY-World 2.0 (Tencent)
мультимодальная мировая модель для реконструкции, генерации и симуляции 3D-миров
RAD-2
масштабируемая система обучения с подкреплением в рамках генератор-дискриминатор; улучшает качество рассуждений LLM
LeapAlign (ByteDance Seed)
метод пост-тренинга flow matching моделей на любом шаге генерации, значительно ускоряет обучение
Cross-Tokenizer LLM Distillation
открытый метод дистилляции LLM через байтовый интерфейс, не зависящий от токенизатора модели-учителя
📅 15.04
15 моделей
NVIDIA Ising
первые в мире открытые AI-модели для ускорения пути к полезным квантовым вычислениям: 2.5× прирост производительности и 3× рост точности по сравнению с существующими open-source ст…
VAKRA (IBM Research)
агентная система с анализом рассуждений, использования инструментов и режимов отказа у AI-агентов
Seedance 2.0 (ByteDance Seed)
продвинутая модель видеогенерации для моделирования сложного мира
EVE 24B
первая специализированная LLM-система для наук о Земле и спутникового наблюдения, 24B параметров
PersonaVLM
мультимодальная LLM с долгосрочной персонализацией: запоминание, рассуждение и адаптация к предпочтениям пользователя (arXiv)
MM-Doc-R1
агентная vision-система для сложных запросов по длинным документам с итеративным поиском информации (arXiv)
TREX
автоматизация fine-tuning LLM через исследование дерева решений агентами
UI-Copilot
система автоматизации GUI на длинных горизонтах с tool-integrated оптимизацией
GameWorld
стандартизированный фреймворк оценки мультимодальных игровых агентов (NUS)
SpatialEvo
саморазвивающийся пространственный интеллект через детерминированные геометрические среды
RationalRewards
масштабирование визуальной генерации через рассуждения о наградах
MERRIN
бенчмарк для мультимодального поиска и рассуждений в зашумлённой веб-среде
UI-Zoomer
адаптивное масштабирование с учётом неопределённости для точной привязки элементов GUI
TIP
метод дистилляции on-policy с учётом важности токенов (Princeton University)
ROSE
улучшение сегментации изображений, ориентированное на задачи поиска
📅 14.04
6 моделей
GLM-5.1
открытая модель от Z.ai под лицензией MIT, превосходит GPT-5.4 и Opus 4.6 на задачах кодирования (SWE-Bench), поддерживает локальный запуск и файнтюнинг (scitech.whatfinger.com)
Nemotron 3 Super
открытая гибридная MoE-модель NVIDIA на архитектуре Mamba-Transformer для агентных рассуждений
Audio Flamingo Next (AF-Next)
открытая аудио-языковая модель нового поколения от NVIDIA и Университета Мэриленда для речи, звука и музыки (marktechpost.com + Hugging Face Papers)
ClawGUI
открытый фреймворк Чжэцзянского университета для обучения, оценки и развёртывания GUI-агентов; самая популярная статья дня (307 голосов)
Bielik v3 7B / 11B
открытые польскоязычные языковые модели от SpeakLeash с оптимизированной токенизацией
TorchUMM
открытая унифицированная мультимодальная кодовая база от Университета Карнеги–Меллон для оценки, анализа и пост-тренировки мультимодальных моделей
📅 13.04
12 моделей
HY-Embodied-0.5 (Tencent Hunyuan)
фундаментальные модели для воплощённых агентов на архитектуре Mixture-of-Transformers с улучшенным визуальным восприятием и рассуждением в реальном мире
Audio Flamingo Next (NVIDIA)
следующее поколение открытых аудио-языковых моделей для речи, звука и музыки
WildDet3D (AI2 / Allen Institute)
унифицированный фреймворк 3D-обнаружения объектов в открытом мире с поддержкой множества типов подсказок
VOID (Netflix)
модель удаления объектов из видео с использованием VLM и диффузионных моделей для генерации физически правдоподобных сцен
LPM 1.0
мультимодальная модель большого масштаба для генерации персонажей в реальном времени с бесконечной длиной видео
RefineAnything (Zhejiang University)
диффузионная мультимодальная модель для регионально-специфичного уточнения изображений с сохранением фона
MegaTrain
метод полноточного обучения моделей 100B+ параметров на одном GPU через хранение в памяти хоста
Kronos (shiyu-coder)
фундаментальная модель для языка финансовых рынков
NousResearch/hermes-agent
агентный ИИ-фреймворк нового поколения на базе открытых весов
ClawGUI
унифицированный фреймворк для обучения, оценки и развёртывания GUI-агентов
CodeTracer
система трассировки состояний агентов при написании кода
OmniShow (ByteDance)
модель генерации видео взаимодействий человека и объектов с мультимодальными условиями