Przejdź do treści
czwartek, 19 listopada 2026
Tenesys AI News
Subskrypcja

Zmiany modeli AI

Co dokładnie zmieniło się w modelach AI: kontekst, ceny, możliwości. Tylko wartości podane przez źródła — nigdy zgadywane.

WażneModeleHugging Face · 21 paź 2026

NVIDIA rozszerza linię Nemotron o nowe modele wyszukiwania, rerankingu i parsowania dokumentów dla agentów AI

ParametrByłoJest
LiniaNemotron 3 Embed / Llama Nemotron Embed VL 1BNemotron 3.5 Embed (8B BF16, 1B BF16, 1B NVFP4), Nemotron 3.5 Rerank 8B BF16, Nemotron 3.5 Parse 631M
Wynik wyszukiwania gęstego ViDoRe v3.152.23 nDCG@10 (Llama Nemotron Embed VL 1B)61.17 nDCG@10 (Nemotron 3.5 Embed 8B BF16), 1. miejsce
Wynik rerankingu59.17 nDCG@10 (Qwen-3-VL-Reranker-8B)60.49 nDCG@10 (Nemotron 3.5 Rerank 8B BF16)
Koszt tokenów agentaBazowe wyszukiwanie tylko z embeddingiem~13-14% niższy po dodaniu rerankingu, przy wyższej dokładności
Przepustowość NVFP4101.3 dok./sek. (1B BF16, GB200)128.8 dok./sek. (1B NVFP4), przy zachowaniu 99.85% dokładności
Przepustowość serwowania NIM2099 zapytań/sek. (vLLM)6031 zapytań/sek. (NIM, RTX PRO 6000 Blackwell)
Czytaj więcej →
WażneModeleAWS Machine Learning · 21 paź 2026

AWS i i14 rezygnują z KV cache: model z liniową uwagą 3B na Trainium2

ParametrByłoJest
ArchitekturaSoftmax uwaga transformerów z rosnącym KV cacheGated Linear Attention (GLA) ze stałym stanem rekurencyjnym
ParametryNie określono3,028B (2,718B Muon + 309,6M AdamW)
Pamięć na sekwencjęKV cache rośnie wraz z długością kontekstuStały stan rekurencyjny 29,5 MB niezależnie od długości kontekstu
Szybkość treningu73 378 tokenów/s (gather-broadcast Muon)119 934 tokenów/s (all_to_all Muon), ~120 000 tokenów/s ogółem na trn2.48xlarge
Szybkość wnioskowaniaNie określono11 544 tokeny wyjściowe na sekundę przy 1 280 równoległych sekwencjach
Okno kontekstu2 048 tokenów długości sekwencji treningowejTestowane do 8 192 tokenów, dodając jedynie 0,5% kosztu na token wyjściowy
Czytaj więcej →
BadaniaHugging Face · 20 paź 2026

NVIDIA prezentuje Cosmos3-H-Dreams – generatywny symulator chirurgii czasu rzeczywistego

ParametrByłoJest
Model bazowyCosmos-Predict2.5 (szycie stołowe dVRK)Cosmos3-H-Embodied-Nano (16 mld parametrów, kliniczna cholecystektomia)
Dane treningoweDane wideo/kinematyki zadań stołowychKliniczne nagrania cholecystektomii CMR Surgical Versius
Kroki wnioskowaniaNie określonoDestylowane punkty kontrolne czterokrokowe i dwukrokowe
SprzętNie określonoDziała interaktywnie na pojedynczym GPU NVIDIA RTX PRO 6000
Wymiary akcjiNie określono28 wymiarów akcji (pozycja obu ramion, chwytak, energia, przyciski sterujące)
Rozdzielczość/częstotliwość treninguNie określonoWideo 832x480, akcje zsynchronizowane z częstotliwością 10 Hz
Czytaj więcej →
WażneCyberbezpieczeństwoAnthropic · 12 paź 2026

Anthropic ograniczył destylację modelu Claude o 90–99% dzięki nowym zabezpieczeniom rozumowania

ParametrByłoJest
Dostęp do transkryptu rozumowaniaPełny łańcuch rozumowania był często wydobywany przez aktywne prowokowanie lub konta pośrednicząceRozumowanie jest streszczane, dostęp ograniczony tylko do organizacji generującej zapytanie, nowe konta API (po 31.08.20
Wykrywanie destylacjiProste zabezpieczenia oparte na streszczaniu, omijane technikami aktywnego wydobyciaDwuetapowy klasyfikator (podejście konstytucyjnych klasyfikatorów), odsetek fałszywych alarmów <0,1%, zgodny z poziomem
Wydobyte tokeny rozumowaniaWysoki poziom bazowy pozyskiwany przez sieci destylacyjne10–100 razy mniej (niektóre dni zbyt niski poziom, by zmierzyć) po pełnym wdrożeniu
Czytaj więcej →
WażneVoice AIMistral AI · 20 paź 2026

Mistral wprowadza Voxtral 3: modele mowy i SDK agentów działający w czasie rzeczywistym

ParametrByłoJest
Języki (STT)Nie określono50+ języków, w tym 24 oficjalne języki UE
Opóźnienie STT (czas rzeczywisty)Nie określonoPoniżej 500 ms w 35+ językach
Cena Mini TranscribeNie określono0,0035 USD/min, 4 mld parametrów
Języki/dialekty TTSNie określono35+ języków, 50+ dialektów
Cena TTSNie określono13 USD za 1 mln znaków
Klonowanie głosuNie określonoPro Voice adaptacja z 30 minut audio
Wywoływanie narzędziNie określonoNowy Voice Agent SDK łączy słuchanie, wnioskowanie, wywoływanie narzędzi i mówienie w czasie rzeczywistym
Czytaj więcej →
WażneModeleGoogle Developers · 20 paź 2026

Google uruchamia natywne silniki wnioskowania PyTorch dla vLLM i SGLang na TPU

ParametrByłoJest
Framework serwującyBackendy vLLM/SGLang oparte na JAX na TPUNatywne backendy PyTorch (TorchTPU) dla vLLM i SGLang na TPU
Koszt za milion tokenówNie określono2,01 centa przy dużej współbieżności (najniższy zgłoszony w teście SemiAnalysis InferenceX)
Obsługa obciążeń agentowych/długiego kontekstuNie określonoAutomatyczne cache'owanie prefiksów, przenoszenie pamięci KV przez TPU Sync, wywoływanie narzędzi, ustrukturyzowane wyjś
Tokeny na sekundę (na użytkownika)Nie określono700+ tokenów/s dla modelu Kimi K3 o 2,8T parametrów na Ironwood TPU przez Pallas megakernel
Czytaj więcej →
WażneAgenciAWS Machine Learning · 20 paź 2026

Amazon Bedrock wymusza zgodny ze schematem JSON dla wszystkich modeli Claude

ParametrByłoJest
Format wyjściowyTekst o dowolnej formie wymagający własnego parsowania i ponawiania próbOgraniczone dekodowanie gwarantuje JSON zgodny z określonym schematem
Wywoływanie narzędziParametry narzędzi nie były rygorystycznie walidowane względem schematuStrict tool use zapewnia dokładną zgodność danych wejściowych narzędzi ze schematem
DostępnośćNie określonoWszystkie modele Claude w endpointach runtime i Mantle w Bedrock, tam gdzie model jest oferowany
Obsługa przetwarzania wsadowego/międzyregionalnegoNie określonoObsługiwane z przetwarzaniem wsadowym i wnioskowaniem międzyregionalnym w endpoincie runtime
Wpływ na kosztNie określonoMniej tokenów wyjściowych, ponieważ odpowiedzi zawierają tylko pola zdefiniowane w schemacie, co może obniżyć koszt wnio
Czytaj więcej →
ModeleAWS Machine Learning · 19 paź 2026

AWS Bedrock dodaje Pegasus 1.5 od TwelveLabs do strukturalnego wyszukiwania w wideo

ParametrByłoJest
Maksymalna długość wideo1 godzina (Pegasus 1.2)2 godziny na zapytanie
Format wyjściowyPojedyncza odpowiedź tekstowa na zapytanie o klipUstrukturyzowane segmenty JSON ze znacznikami czasu, pasujące do zdefiniowanych kryteriów
Metody wejściaWcześniej indeksowane klipyBezpośredni URI S3 lub ciąg base64, bez wcześniejszego indeksowania
PromptowanieZapytania tylko tekstoweTekst wraz ze zdjęciem referencyjnym (multimodalne promptowanie)
APINie określonoInvokeModel, InvokeModelWithResponseStream (US West/Oregon)
Czytaj więcej →
WażneVoice AIAWS Machine Learning · 19 paź 2026

Deepgram obniżył koszty transkrypcji wsadowej dzięki przeniesieniu Nova-3 na AWS Trainium2

ParametrByłoJest
Docelowy sprzętStandardowy PyTorch na poprzednich opcjach obliczeniowychAWS Trainium2 (trn2.3xlarge) przez Neuron/TorchNeuron
Przepustowość na dolaraBazowa opcja obliczeniowa, którą wcześniej używał Deepgram11-70% więcej dźwięku przetwarzanego na dolara
Środowisko serwująceSystem Python multiprocessing/multithreaded do przetwarzania równoległegoDedykowany system Rust, 7,5% szybszy niż bazowa konfiguracja Python MP przy maksymalnym rozmiarze batcha
Repliki na urządzenieNie określono8 replik modelu (DP8) na jednej instancji trn2.3xlarge
Czytaj więcej →
WażneModeleDeepSeek API Updates · 17 paź 2026

DeepSeek aktualizuje model V4.1 Flash i otwiera API wyszukiwania

ParametrByłoJest
Wersja modeluDeepSeek V4.1DeepSeek-V4.1-Flash-1017
HLE (bez narzędzi)Nie określono42.6 (44.0 w podzbiorze czysto tekstowym)
Terminal-Bench 4.0Nie określono42.3
DeepSWE v1.1Nie określono77.0
Cena wejścia/wyjściaBez zmianBez zmian
Dostęp APIdeepseek-flashdeepseek-flash (ten sam endpoint, zaktualizowany model)
Czytaj więcej →
WażneVoice AIOpenAI API Changelog · 16 paź 2026

OpenAI udostępnia tworzenie niestandardowych głosów wszystkim użytkownikom API GPT-Live

ParametrByłoJest
Dostęp do tworzenia głosówOgraniczony dostępDostępne dla wszystkich klientów API
Koszt tworzenia głosuNie określonoBezpłatne
Rozliczanie generowania mowyStandardowe rozliczanie sesji GPT-LiveStandardowe rozliczanie sesji GPT-Live (bez zmian)
Wbudowane głosyDotychczasowy zestaw+9 nowych głosów: niemiecki (Nuri, Juni, Flitz), francuski (Brise, Sillage), hindi (Nira), japoński (Harema, Shida), kor
Czytaj więcej →
WażneModeleHugging Face · 16 paź 2026

Reflection udostępnia Beam – otwarty model MoE z 501B parametrów i kontekstem 1M tokenów

ParametrByłoJest
Całkowita liczba parametrówNie określono501B (MoE)
Aktywne parametry na tokenNie określono23B
Okno kontekstoweNie określono1 000 000 tokenów
LicencjaNie określonoApache 2.0
Wywoływanie narzędziNie określonoObsługiwane przez dedykowaną gramatykę i szablon odpowiedzi
Poziomy intensywności rozumowaniaNie określononiski, średni (domyślny), wysoki, xwysoki, maksymalny
Formaty checkpointówNie określonoBF16, FP8, NVFP4
Czytaj więcej →
WażneModeleHugging Face · 15 paź 2026

IBM łączy transkrypcję, podejmowanie decyzji i rozmowę w jednym modelu Granite Switch

ParametrByłoJest
Funkcje na endpointOsobne modele/endpointy dla rozmowy, decyzji i mowyRozmowa, podejmowanie decyzji i transkrypcja ASR połączone w jednym endpoincie
Zużycie VRAMNie określonoMniej więcej tyle samo VRAM co sam model bazowy, mimo dodatkowych funkcji
Adaptery decyzyjneW poprzedniej wersji brak Decision aLoRAOgólny adapter Decision aLoRA oraz wyspecjalizowany adapter Guardian do decyzji bezpieczeństwa
Komponent ASRNie określonoWbudowany Granite-Speech-5.0-Turbo-CTC, lider rankingu OpenASR
Szybkość wnioskowania (przepustowość decyzji, demo 3B)Konkurent Jev zgłosił 10 decyzji na sekundęWersja Granite Switch 3B osiągnęła 60-100 decyzji na sekundę
Czytaj więcej →
WażneModeleHugging Face · 15 paź 2026

Meta wydała Muse Spark Open – otwarty, multimodalny model MoE z 816B parametrów

ParametrByłoJest
ArchitekturaMuse Glimmer: gęsta sieć feed-forward w każdej warstwieMuse Spark Open: mixture-of-experts, 256 ekspertów na warstwę, 8 wybieranych na token
Rozmiar modeluNie określono~816B parametrów łącznie, ~42B aktywnych na token
Okno kontekstuNie określonoDo 1 000 000 tokenów
WejściaNie określono (Muse Glimmer: bez kodera audio)Tekst, obrazy, audio i wideo
WyjścieNie określonoTekst
Formaty checkpointówNie określonoBF16 i NVFP4 (4-bitowy, dla GPU NVIDIA Blackwell)
Wywoływanie narzędziNie określonoObsługiwane, tekstowe i multimodalne
Czytaj więcej →
WażneModeleHugging Face · 15 paź 2026

Apertus 1.5: otwarte modele 8B/70B rozumieją obraz i dźwięk, mają dłuższy kontekst i tryb myślenia

ParametrByłoJest
Okno kontekstuNie określono (wartość bazowa Apertus 1.0)262 144 tokeny (4-krotny wzrost względem Apertus 1.0)
Modalności wejścioweTylko tekstTekst, obrazy i dźwięk (rozumienie dźwięku eksperymentalne); generowanie nadal tylko tekstowe
RozumowanieBrak osobnego trybu rozumowaniaOpcjonalny „tryb myślenia”, który rozumuje przed odpowiedzią i poprawia wyniki w zadaniach takich jak AIME
Wywoływanie narzędziStandardowa obsługa narzędziUlepszona, trenowana na zweryfikowanych trajektoriach wykonania narzędzi wraz z dostrajaniem RL/DPO
Ilość danych treningowychKorpus treningowy Apertus 1.0Model 8B: 19T tokenów łącznie (+4T); model 70B: 17T tokenów łącznie (+2T)
LicencjaApache 2.0Apache 2.0 (bez zmian, w pełni otwarte wagi/dane)
Czytaj więcej →
Voice AIarXiv cs.CL · 15 paź 2026

Mały, dostrojony model uczy się nowych regulowanych scenariuszy rozmów bez ponownego treningu

ParametrByłoJest
Wskaźnik zaliczenia kontroli dokumentowanych67-71%93-100%
Wskaźnik zaliczenia kontroli opartych na rozmowie97-100% (przed treningiem)97-100% (po treningu, bez zmian)
Wskaźnik zaliczenia scenariuszy15/4340/43
Dane treningoweNie określonoDostrojono na nagranych rozmowach obejmujących niemal 300 losowo wygenerowanych regulowanych procedur
Rozmiar modeluNie określono9 miliardów parametrów
Czytaj więcej →
WażneCyberbezpieczeństwoGitHub · 13 paź 2026

GitHub zastąpił skaner sekretów oparty na LLM lekkim klasyfikatorem ModernBERT

ParametrByłoJest
ArchitekturaZdalny pipeline klasyfikacji oparty na LLMDwuetapowy system: generowanie kandydatów regex + dostrojony klasyfikator ModernBERT (ONNX, 8-bitowa kwantyzacja)
PrecyzjaWartość bazowa (poprzedni pipeline LLM)13% wyższa (ocena offline)
RecallWartość bazowa (poprzedni pipeline LLM)19% wyższy (ocena offline)
Akceptacja ważona właścicielemWartość bazowa (poprzedni pipeline LLM)11.5% wyższa (online A/B)
Mediana czasu wykonania skanowania post-pushWartość bazowa (poprzedni pipeline LLM)86% niższa
Koszt obsługiWartość bazowa (poprzedni pipeline LLM)Ponad 98% niższy
Czytaj więcej →
WażneModeleHugging Face · 13 paź 2026

Nowy otwarty model Liquid AI wykonuje agentowe rozumowanie lokalnie z zaledwie 2B aktywnych parametrów

ParametrByłoJest
Okno kontekstu32K tokenów131K tokenów
Rozmiar słownika65K tokenów128K tokenów
Tokeny wstępnego treningu~17T tokenów~33T tokenów
RozumowanieNie tylko model rozumującyWyłącznie model rozumujący z jawnym łańcuchem
Aktywne parametry2B (poprzednia wersja LFM2-24B-A2B)2B (bez zmian)
Wywołania narzędziNie określonoObsługiwane, trenowane w środowiskach agentowych (OpenClaw, Hermes Agent, Pi, OpenCode)
Szybkość (Apple M5 Max)Nie określono184 tok/s
Szybkość (NVIDIA B300)Nie określonoDo 21K tok/s wyjściowych
Czytaj więcej →
WażneBadaniaAmazon Science · 12 paź 2026

„Priming” od Amazon zamienia wstępnie wytrenowane modele Transformer w wydajne hybrydy za mniej niż 1% kosztu treningu

ParametrByłoJest
Koszt treningu vs od zera100% (pełny trening wstępny)Mniej niż 1% (poniżej 0,5% budżetu tokenów)
Przepustowość1x (źródłowy Transformer)Do 2x przy kontekście 128 000 tokenów
Rozmiar pamięci podręcznej KVPełna pamięć podręczna uwagiO połowę mniejsza pamięć KV (hybryda 32B GKA)
Testowana długość kontekstuNie określono128 000 tokenów
LicencjaNie określonoApache 2.0
Czytaj więcej →
BadaniaNVIDIA Developer · 12 paź 2026

NVIDIA i Princeton eliminują wąskie gardła dekodowania w hybrydowych modelach SSM

ParametrByłoJest
Ruch pamięci stanuCały stan odczytywany i zapisywany w każdym kroku dekodowaniaPunkt kontrolny odczytywany w każdym kroku, zapisywany tylko przy opróżnieniu bufora — ruch mniejszy o około połowę
Szybkość jądra (partia 256, B300)Bazowe jądro vLLM1,46x-1,80x szybciej; cały krok dekodowania 1,20x-1,47x szybciej
Przepustowość dekodowania spekulacyjnego (klasa 120B)Bazowe dekodowanie spekulacyjne vLLM1,85x-2,10x wyższa przepustowość przy rozmiarze partii 512, ta sama długość akceptacji
Dokładność kwantyzacjiStan o jednej precyzji podatny na kumulację błędów zaokrągleń3 z 4 modeli pozostają w granicach ok. 2 punktów dokładności FP32 w teście GPQA-Diamond dzięki podwójnej precyzji punktu
Czytaj więcej →
WażneVoice AIMistral AI (Hugging Face) · 8 paź 2026

Mistral wydaje open-source'owy model rozpoznawania mowy arabskiej w czasie rzeczywistym Voxtral Mini 4B Realtime Arabic

ParametrByłoJest
ParametryNie określono~4,4 miliarda
PrecyzjaNie określonoBF16
Wejście audioNie określono16 kHz dźwięk strumieniowy
Opóźnienie transkrypcjiNie określonoKonfigurowalne, testowane przy 480 ms
Dokładność (CER)Voxtral Transcribe Arabic: 7,91%8,82% średnia w siedmiu testach arabskich
LicencjaNie określonoApache 2.0
Czytaj więcej →