AI NeuroWave - Noticias de AI

🎬 Google Vids превращает документы в короткие видео Google добавила в Vids генерацию роликов прямо из материалов: загружаете Google Docs, PDF или Word-файл — и сервис сам превращает его в короткое видео-саммари со сценарием, озвучкой и наглядными визуальными эффектами. Пригодится тем, кто регулярно объясняет коллегам и клиентам суть отчётов, презентаций и длинных текстов: вместо часов на монтаж и запись голоса получаете готовый ролик за пару минут. Для команд это простой способ превращать внутренние документы в обучающие видео и рассылки. Функция доступна с 5 сентября в планах Workspace Business и Education Plus, а также в потребительских AI-подписках Google. Всё запускается парой кликов: открываете Vids, прикрепляете файл и описываете, что должно быть в ролике. 🌐 Источник: Google Workspace Updates #ИИ #видео #GoogleWorkspace #продуктивность

🎬 OpenRouter добавил видеобенчмарки: теперь модели можно сравнивать по одному промпту Сервис маршрутизации ИИ-моделей OpenRouter запустил раздел видеобенчмарков. Раньше выбирать видеомодель приходилось по разрозненным тестам и отзывам — теперь несколько моделей гоняются на одном и том же промпте, и результат виден бок о бок. Что это даёт: сравнение сразу по трём практическим осям — качество картинки, цена генерации и время ожидания. Видно, какая модель держит динамичные сцены, а какая быстрее и дешевле справляется с простыми роликами. Это убирает главную боль выбора: раньше цена и скорость были в одной таблице, а качество приходилось оценивать на глаз. Как применять: заходите в раздел видеобенчмарков, вставляете свой промпт и смотрите, как разные модели справятся с вашей задачей — от анимированных логотипов до полноценных сцен. Для регулярной генерации так можно найти баланс между качеством и бюджетом, а не платить за флагманскую модель там, где хватит бюджетной. 🌐 Источник: OpenRouter #ИИ #видеогенерация #инструменты #нейросети

🧠 Локальная LLM: почему «максимальное думание» вредит вместо пользы Практический эксперимент на Mac Studio (M3 Ultra) сравнил три версии локальной Qwen3.8-27B — BF16, 8-bit и 4-bit — на 28 задачах: анализ текстов и разработка на C#/SwiftUI с компиляцией и скрытыми тестами. Главные результаты: 4-bit-версия лишь на ~2,6 процентного пункта слабее полной точности (82,7% против 85,3%), зато отвечает более чем вдвое быстрее (медиана 17,8 с против 38,9 с). А вот максимальный уровень reasoning_effort=xhigh не страхует сжатую модель, а ломает её: на нём 4-bit прошла лишь 1 из 5 задач на C# и 0 из 2 на SwiftUI, тогда как на medium всё решилось 7 из 7. Вывод для повседневной работы: для задач с конкретным результатом — код, JSON, контракт — «больше думать» не значит «лучше ответ». Рабочая связка автора: Qwen3.8-27B в 4-bit + speculative decoding + reasoning_effort=medium. Квантизация экономит ресурсы без потери качества, а перерасход на размышления — реальная ловушка. 🌐 Источник: Habr #ИИ #локальные_модели #LLM #разработка

📦 Telegram Serverless: боты и Mini Apps теперь живут без своего сервера Telegram открыл бета-доступ к Serverless — платформе для запуска ботов и Mini Apps прямо на своей инфраструктуре. Никаких VPS, контейнеров и ручной настройки вебхуков: код — обычные JavaScript-модули, а деплой выполняется одной командой. Внутри уже есть SQLite-база и Bot API «рядом» с кодом. Для разработчиков ИИ-ботов это заметное упрощение рутины. Раньше даже простой MVP требовал аренды сервера, поднятия окружения и разбора вебхуков. Теперь быстрый прототип — уведомляющий бот, обёртка над API модели или Mini App с кнопкой-интеграцией — можно запустить за вечер и не думать об инфраструктуре. Управление включается в BotFather (бот → Serverless). Что попробовать: установить tgcloud, написать модуль с обработчиком сообщений и запустить деплой одной командой. Это ранняя бета, так что лимиты и модель хостинга ещё могут измениться, — но попробовать стоит уже сейчас. 🌐 Источник: Habr #ИИ #Telegram #боты #разработка #инструменты

⚙️ Не только модель: как «обвязка» из памяти вывела компактную 8B-модель на уровень флагманов Исследователи Meta AI и Иллинойсского университета представили EvoHarness-RL — фреймворк, в котором агент сам учится управлять рабочей памятью: хранит состояние среды, подзадачи и прошлый опыт вместо заранее прописанных скриптов. Результат впечатляет: Qwen3-8B с EvoHarness-RL решила 96,9% задач бенчмарка ALFWorld — это +49 п.п. к обычному ReAct и уровень frontier-моделей (96,4%). Вывод: для длинных агентных задач архитектура памяти и scaffolding часто важнее размера самой модели. Как применить: если ваш агент путается в многошаговых задачах, не спешите менять модель — сначала дайте ему явную рабочую память: что уже сделано, что осталось, что он узнал по ходу. Исследование открыто, детали в arXiv. 🌐 Источник: VentureBeat #ИИ #агенты #исследования #Meta #открытые_модели

📄 Cohere Parse 5: PDF и слайды → чистый Markdown одной моделью Разбор документов — вечная боль RAG: связка OCR + LLM теряет структуру таблиц, а на сложных страницах модель «додумывает» содержимое. Cohere выпустила Parse 5 — компактную vision-language модель на 2,3 млрд параметров, которая переводит PDF, слайды и изображения в структурированный Markdown за один проход: таблицы сохраняются как HTML, картинки получают описания и координаты. Что это даёт: меньше выдуманного контента и аккуратная структура для поиска — то, чего не хватает типовым RAG-пайплайнам. По бенчмарку ParseBench модель уступает топовым универсалкам (GPT-5.5, Opus 4.8, Gemini 3.5 Flash), но на порядок дешевле — $1,5 за 1000 страниц через API. Где применить: подготовка корпусов договоров, отчётов и статей для RAG, конвертация сканов в Markdown-базы. Модель доступна через API Cohere, а также в Microsoft Foundry и AWS SageMaker — проверьте на своих документах. 🌐 Источник: VentureBeat #ИИ #RAG #LLM #документы

📊 GEO своими руками: узнайте, что ИИ-поисковики говорят о вашем бренде Пока компании платят за закрытые GEO-платформы, появился открытый способ увидеть, как ваш бренд выглядит в ИИ-ответах. Автор собрал собственный мониторинг на n8n: четыре метрики — упоминания, цитирования, разрыв между ними и доля источников — опрашивают Яндекс GenSearch и GPT/Gemini/Qwen через OpenRouter с общим поиском Exa. Так расхождения между ответами объясняются моделями, а не разными поисковиками. Разбор даёт неожиданные выводы: ИИ-ответ строится не из топ-10 выдачи, а из горстки документов, попавших в контекст — извлекаемость важнее ранга. Попасть в ответ можно двумя путями: через выдачу (исправляется за недели) или из памяти модели (точечно не лечится). А список источников под ответом — это карта авторитетности, а не просто атрибуция. Воркфлоу на 43 ноды, состояние ведётся в Google-таблице, история append-only — шум легко отличить от тренда. Готовый комплект из трёх воркфлоу и шаблона таблицы открыт на GitHub: можно развернуть за вечер и следить за своей видимостью в ИИ-ответах без посредников. 🌐 Источник: Habr #ИИ #GEO #n8n #автоматизация #ИИпоиск

🎵 MiniMax Music 3: открытая модель, которая пишет песни с вокалом MiniMax выложила в открытый доступ Music 3 — генератор музыки, создающий законченный трек до пяти минут по тексту песни и описанию звучания. Модель сама выстраивает структуру: куплеты, припевы и бриджи, добавляет выразительный вокал и живую аранжировку. Это не просто «мелодия из промпта»: текст задаётся построчно, а секции помечаются тегами [Verse] и [Chorus], чтобы трек собирался именно так, как задумано. Веса открыты, поэтому генерация работает локально — от 8 ГБ видеопамяти, комфортно от 24 ГБ. Попробовать просто: модель уже поддерживается в SGLang-Omni и diffusers, а для ComfyUI есть готовая интеграция. Можно встраивать генерацию музыки в свои пайплайны без API и подписок. 🌐 Источник: MiniMax / Hugging Face #ИИ #музыка #генерация #открытыемодели

🤖 Новый режим Google Antigravity: сложные задачи теперь решает команда агентов Google добавила в Antigravity команду /boost — она запускает многоагентный конвейер для задач, которые одному агенту не по силам: застарелые баги, оптимизация кода, нетривиальные рефакторинги. Как это работает: система разбивает задачу на части, агенты работают над ними параллельно в изолированных окружениях, а затем независимая проверка сверяет результат. Каждая версия кода получает собственную «песочницу» — агенты не мешают друг другу и не затирают чужие правки. Что это даёт: не нужно вручную дробить задачу и следить за субагентами — /boost сам строит процесс от декомпозиции до проверки. Для разработчика это как нажать кнопку «подключить всю команду» вместо работы в одиночку. 🌐 Источник: Google Antigravity #ИИ #агенты #автоматизация #разработка