Новости ИИ, 1 октября: Google представила Gemini 4 Argon с выводом до миллиона токенов

В выпуске: Google представила Gemini 4 Argon с выводом до миллиона токенов; Amazon Bedrock добавил региональный инференс Claude в Индии; OpenAI и Synopsys создают модель для проектирования чипов и другое.

Google представила Gemini 4 Argon с выводом до миллиона токенов

Google представила Gemini 4 Argon — флагманскую модель, которая по независимой оценке Artificial Analysis сравнялась с GPT-6 Astra и Claude Fable 5.1, но уступила Claude Opus 5.5 и Sonnet 5.5. Модель принимает текст, изображения, видео и аудио, а выдаёт только текст; размер входного контекста составляет миллион токенов, а лимит вывода увеличен с 64 тысяч до миллиона. Для продолжительных ответов в Gemini API появится Long Decode Continuation: функция приостанавливает генерацию и возобновляет её последующими запросами.

Доступ открывают поэтапно: сначала модель получат участники программы Fairwind и внутренние команды Google, затем — платные пользователи API и подписчики Google AI Ultra. Стартовая цена составляет $2 за миллион входных и $10 за миллион выходных токенов; позже она вырастет до $4 и $20 соответственно, а кэшированные входные токены дешевле на 95%. В тесте Artificial Analysis Argon показала 77,5% на AutomationBench-AA, но для одной задачи Intelligence Index в среднем использовала 62 тысячи выходных токенов — против 27 тысяч у GPT-6 Astra.

Что это значит для разработчиков. Разработчикам стоит учитывать не только цену токенов, но и их расход: низкая стартовая стоимость не означает, что задачи обходятся дешевле. Увеличенный лимит вывода и продолжение генерации через API могут быть полезны для длинных ответов, однако доступ пока ограничен.

Источник: THE DECODER · Попробовать в GateLLM: Claude Fable 5.1, Claude Opus 5.5

Amazon Bedrock добавил региональный инференс Claude в Индии

Amazon Bedrock расширил доступность Claude Opus 5, Claude Sonnet 5 и Claude Haiku 4.5: клиенты в Индии могут использовать модели с географическим межрегиональным инференсом внутри страны. Запросы маршрутизируются между регионами AWS в Мумбаи и Хайдарабаде; входные и выходные данные могут перемещаться между ними. Это позволяет обрабатывать запросы в Индии, если такая локализация требуется клиенту.

Инференс доступен через конечную точку bedrock-runtime и поддерживает Anthropic Messages API, а также Amazon Bedrock InvokeModel и Converse API. Вызовы, расходы и квоты учитываются в исходном регионе, а записи CloudWatch и CloudTrail создаются там же. AWS сообщает, что данные клиентов не сохраняются в целевом регионе, а Amazon Bedrock по умолчанию не хранит входы и выходы моделей.

Что это значит для разработчиков. Разработчики могут вызывать модели через привычные API и использовать межрегиональную маршрутизацию, сохраняя инференс в пределах Индии. Это может помочь при требованиях к локальной обработке данных.

Источник: AWS Machine Learning · Попробовать в GateLLM: Claude Haiku 4.5, Claude Sonnet 5

OpenAI и Synopsys создают модель для проектирования чипов

OpenAI и Synopsys заключили многолетнее партнёрство и разрабатывают специализированную модель GPT-Synopsys. Она объединит технологии OpenAI с инструментами Synopsys для автоматизации проектирования электронных устройств. OpenAI лицензирует эти инструменты для проекта, а модель должна анализировать задачи проектирования и проверки чипов и напрямую работать с ПО Synopsys. Инженеры будут задавать цели, а затем проверять и утверждать результаты.

Модель будет работать на инфраструктуре OpenAI. По словам компаний, данные клиентов не станут использовать для обучения и будут храниться в зашифрованном виде. Ранние испытания уже проходят с участием клиентов из полупроводниковой отрасли. Компании намерены совместно продвигать продукт и делить доходы от него.

Что это значит для разработчиков. Для разработчиков чипов модель предполагает работу не только с запросами, но и с профильными инструментами проектирования; инженеры при этом сохраняют проверку и утверждение результатов.

Источник: THE DECODER

Google заменяет Gems на Skills в Gemini

Google разворачивает Skills для пользователей Gemini по всему миру. Это подробные инструкции для конкретных задач, которые пользователь может создавать и дорабатывать вместе с ИИ; новый формат заменяет Gems. Чтобы запустить сохранённый Skill, нужно ввести косую черту и его название. Gemini также может составить Skill на основе предыдущих чатов и самостоятельно применить его, если распознает подходящий запрос.

Несколько Skills можно объединить для более сложной задачи, например совместить стиль письма с правилами бренда. В качестве справочных материалов теперь поддерживаются текстовые документы, PDF-файлы и изображения. Google планирует добавить обмен Skills, поддержку файлов Google Drive и интеграцию с Gemini Notebook, а затем предоставить формат клиентам Workspace из корпоративного, образовательного и некоммерческого секторов. Существующие Gems будут автоматически преобразованы в Skills; Google также планирует прекратить поддержку Gems для личных аккаунтов и клиентов Workspace.

Что это значит для разработчиков. Разработчики могут сохранять инструкции для повторяющихся задач в виде Skills, запускать их командой и комбинировать. Для работы можно прикреплять документы, PDF-файлы и изображения.

Источник: THE DECODER

Apple ML Research представила среду для обучения агентов

Apple ML Research описала SCLATE — среду выполнения для обучения и оценки агентов с непрерывным обучением. Такие системы работают на протяжении нескольких сессий, а их задачи нужно чередовать с событиями на стороне агента: остановкой и запуском сессии, cron-задачами и консолидацией памяти.

В существующих бенчмарках и фреймворках планируются только события самого бенчмарка, поэтому для каждой пары «бенчмарк — агент» приходится создавать отдельный цикл планирования. В SCLATE бенчмарки и неизменённые агенты через адаптер добавляют свои события в общий открытый планировщик.

Что это значит для разработчиков. Общий планировщик позволяет не создавать отдельный цикл событий для каждой пары «бенчмарк — агент».

Источник: Apple ML Research

Hugging Face запустила открытый рейтинг моделей синтеза речи

Hugging Face создала Open TTS Leaderboard для оценки открытых моделей синтеза речи на разных языках и сравнения голосового клонирования. Вместо одних только пользовательских голосований рейтинг использует объективные метрики: WER и CER для оценки разборчивости, скорость генерации RTFx и время до первого аудиофрагмента TTFA, а также сходство голоса SIM на основе эмбеддингов WavLM. Для распознавания речи при расчёте ошибок применяется Qwen3 ASR; скорость измеряют на H200 GPU, а TTFA — также на CPU.

В рейтинге можно выбирать языки и режим клонирования, а на вкладке Listen — прослушивать и оценивать примеры моделей. По словам команды, оценка по метрикам занимает несколько часов вместо недель, необходимых для сбора голосов. При этом WER и SIM не отражают естественность речи, выразительность и предпочтения слушателей, поэтому рейтинг не заменяет человеческую оценку. Для потоковых моделей TTFA показывает время до первого фрагмента аудио; для остальных — до генерации всей реплики.

Что это значит для разработчиков. Разработчики могут сопоставлять разборчивость, скорость и сходство голоса моделей, в том числе в разных языках и при клонировании. Для оценки естественности и предпочтений слушателей по-прежнему нужно прослушивать примеры.

Источник: Hugging Face