ElevenLabs запустил платформу для голосовых ИИ агентов, которые ведут звонки вместо живых операторов

Агент говорит, слушает и одновременно совершает действия: бронирует встречи, обновляет заказы, закрывает тикеты в CRM. Поддерживается 70 языков, подключается к GPT, Claude, Gemini и другим моделям.

Стоимость от $0.08 за минуту разговора.

Rapid-MLX запускает локальные LLM на Apple Silicon в 2-4 раза быстрее Ollama и при этом поддерживает вызов инструментов на уровне 100%

Это OpenAI-совместимый сервер: одна переменная окружения, и Claude Code, Cursor или Aider начинают работать через локальную модель. Кешированное время до первого токена составляет 0.08 секунды за счет KV-кеша и снапшотов состояния для гибридных архитектур

На Mac Studio M3 Ultra бенчмарки показывают 57 tok/s для Qwen3.5-122B против 43 у vllm-mlx, и 108 tok/s для Qwen3.5-9B против 46 у Ollama

https://github.com/raullenchai/Rapid-MLX

Caveman это скил для Claude Code, который переключает модель в “пещерный” режим общения, убирая весь словесный мусор из ответов

Скил основан на наблюдении, что “пещерная речь” резко сокращает расход токенов (без потери качество по коду) на примерно 75%

Технические термины без изменений. Сообщения об ошибках точное цитирование. Git-коммиты и PR нормальный язык

https://github.com/JuliusBrussee/caveman

TinyFish перевел два своих базовых инструмента, Search и Fetch, в свободный доступ без оплаты для всех разработчиков и агентов

Search предназначен для веб-поиска с выдачей структурированного JSON, Fetch рендерит страницу в реальном браузере с поддержкой JavaScript и возвращает чистый Markdown или HTML без навигации, скриптов и баннеров

Оба инструмента работают через одну точку подключения и один API-ключ. Доступны через REST API, MCP-сервер, Python и TypeScript SDK, CLI.

Бесплатный уровень 5 поисковых запросов в минуту и 25 URL в минуту для Fetch. Неудачные запросы к Fetch в квоту не засчитываются

https://www.tinyfish.ai/blog/search-and-fetch-are-now-free-for-every-agent-everywhere

Ollama анонсировала интеграцию своего облачного сервиса (Ollama Cloud) с Claude Desktop. Это означает, что теперь приложение Claude Desktop можно переключить с нативных моделей Anthropic на любую модель из каталога Ollama Cloud одной командой

Модели доступны как в Claude Cowork, так и в Claude Code внутри того же приложения. Веб-поиск и расширения пока не поддерживаются

А ведь тут 20$ и без лимитов 👀

Модели kimi-k2.6, kimi-k2-thinking, gpt-oss:120b, devstral-2:123b, qwen3.5:397b, nemotron-3-super, qwen3-vl:235b и другие

https://docs.ollama.com/integrations/claude-desktop

Anthropic выпустила пять открытых агентных плагинов для финансового сектора

Каждый шаблон закрывает конкретную функцию:

1. Financial Analysis базовые задачи для всех финаналитиков: рыночное и конкурентное исследование, финансовое моделирование, создание и проверка шаблонов PowerPoint

2. Investment Banking работа со сделками: анализ транзакционных документов, построение таблиц сопоставимых компаний (comps), подготовка питч-материалов

3. Equity Research разбор транскриптов отчетности, обновление финансовых моделей по новым прогнозам, написание ресерч-нот

4. Private Equity поиск сделок и due diligence: анализ больших пакетов документов, извлечение стандартизированных финансовых данных, сценарное моделирование, скоринг по инвестиционным критериям

5. Wealth Management анализ портфелей, выявление дрейфа и налоговой нагрузки

Шаблоны устанавливаются как плагины в Cowork или Claude

https://github.com/anthropics/financial-services-plugins

https://claude.com/blog/cowork-plugins-finance

Gemma 4 стала до трёх раз быстрее при том же качестве ответов.
Google выпустила MTP-черновики (Multi-Token Prediction drafters) для семейства Gemma 4

Технически это speculative decoding: небольшая модель-черновик предсказывает несколько токенов вперёд, используя активации и KV-кеш основной модели. Основная модель затем верифицирует весь набор за один прямой проход и добавляет ещё один токен. Итог: приложение получает полную последовательность там, где раньше успевал генерироваться один токен

Несколько конкретных цифр из тестов Google: на NVIDIA RTX PRO 6000 модель 26B с MTP работает примерно вдвое быстрее стандартного инференса. На Apple Silicon при батче 4–8 ускорение составляет до 2.2x. Схожая картина на NVIDIA A100

Веса доступны на Hugging Face и Kaggle, лицензия Apache 2.0. Поддержка реализована в MLX, vLLM, SGLang, Ollama и Hugging Face Transformers, а также в Google AI Edge Gallery для Android и iOS

Почитать

Компания Subquadratic выпустила языковую модель SubQ с контекстным окном в 12 миллионов токенов, при этом стоимость обработки в пять раз ниже, чем у ведущих моделей.

В основе лежит архитектура разреженного внимания: вместо сравнения каждого токена с каждым другим модель выбирает только значимые связи. По заявлению разработчиков, на контексте в 12 млн токенов это снижает вычисления механизма внимания почти в тысячу раз.

Ранний доступ открыт, модель доступна через API

https://subq.ai/

Автоматизация создания и публикации контента с помощью Higgsfield CLI

Higgsfield представила интерфейс командной строки (CLI) для автоматизации работы с контентом. Инструмент позволяет генерировать серии фотографий и видеороликов на основе одного загруженного изображения и текстового описания. Система самостоятельно распределяет готовые файлы по папкам, создает подписи и планирует публикации в социальных сетях.

Для начала работы требуется установка пакета через терминал и авторизация в сервисе.

Исследователи (кажется они связаны с Anthropic) опубликовали работу о sandbagging в больших языковых моделях. Так называют поведение, при котором модель отвечает заметно слабее своих реальных возможностей. Это может проявляться в упрощённых, неполных или менее точных ответах даже в тех случаях, где модель способна решить задачу лучше

Авторы связывают проблему с особенностями обучения и reward-сигналов. В статье предлагается подход на основе weak supervision: модель обучают с использованием приближённых оценок качества вместо полной ручной разметки. Такой метод позволяет выявлять ответы с признаками “занижения уровня” и корректировать поведение модели во время дообучения

В экспериментах подход показал улучшение качества reasoning-ответов и снижение признаков sandbagging без необходимости собирать большой объем дорогих размеченных данных

Почитать: Https://arxiv.org/pdf/2604.22082

Scion новый open-source инструмент от Google Cloud для координации нескольких ИИ агентов в одном проекте

Он позволяет запускать Claude Code, Gemini CLI, Codex и другие агенты как отдельные процессы с собственными контейнерами, git-worktree и доступами (управление идет через единый CLI). Идея в том, чтобы разные агенты могли параллельно работать над кодом, тестами, анализом или инфраструктурой без конфликтов между собой

https://github.com/GoogleCloudPlatform/scion

Пайплайн от самого соавтора-разработчика, где TRIBE2 выступает фильтром перед публикацией.

Схема: Gemini исследует ниши и генерирует 30-50 промптов для коротких видео, LTX-2.3 от Lightricks создает 20-секундные ролики по этим промптам, затем все варианты прогоняются через TRIBE2 и публикуются только те, которые модель предсказала как перформящие.

LTX-2.3 стоит в 10 раз дешевле конкурентов, поддерживает обучение под конкретный стиль через LoRA и может запускаться локально без затрат. Сам инструмент tribeV2_ViralAnalyser был написан с помощью OpenAI Codex. Пайплайн пока не тестировался на практике, автор анонсировал собственный эксперимент.​​​​​​​​​​​​​​​​

Пока Google анонсировала официальный MTP с ускорением до 3x, независимая лаборатория z-lab выпустила DFlash и получила 6x на тех же моделях

DFlash строится на принципе block diffusion: черновая модель предсказывает сразу блок токенов, а не генерирует их поочерёдно. Основная модель верифицирует весь блок за один проход. Это то же speculative decoding, что и в официальном MTP, но черновик работает иначе диффузионно, а не авторегрессивно

Конкретные цифры на Gemma 4 31B: стандартный инференс 67.5 tok/s, DFlash 435 tok/s, итоговое ускорение 6.44x. Бенчмарк на задаче рекурсии Фибоначчи, 259 сгенерированных токенов

Черновики для Gemma 4 26B и 31B уже доступны на Hugging Face. Помимо Gemma 4, DFlash поддерживает Qwen3, Qwen3.5, Kimi-K2.5, LLaMA-3.1 и ряд других моделей. Бэкенды: vLLM, SGLang, Hugging Face Transformers. Лицензия MIT

Репозиторий: github.com/z-lab/dflash

Веса Gemma 4 31B: huggingface.co/z-lab/gemma-4-31B-it-DFlash

Веса Gemma 4 26B: huggingface.co/z-lab/gemma-4-26B-A4B-it-DFlash​​​​​​​​​​​​​​​​

Anthropic запустила три обновления для Claude Managed Agents на мероприятии Code with Claude 2026

Dreaming, в статусе research preview, это процесс, который запускается между сессиями агента: анализирует прошлые разговоры, выявляет паттерны и обновляет хранилище памяти. Цель функции, чтобы агенты накапливали рабочие знания со временем, а не начинали каждый раз с нуля

Outcomes позволяет разработчику задать рубрику качества: отдельный оценщик в изолированном контексте проверяет результат и, если он не соответствует критериям, возвращает агенту с указанием что исправить. По внутренним данным Anthropic, outcomes повысил успешность задач до 10 процентных пунктов, с приростом для генерации файлов docx и pptx на 8,4% и 10,1% соответственно

Третье обновление, Multiagent Orchestration, позволяет лид-агенту делить задачу на части и запускать специализированных субагентов параллельно, каждый с собственной моделью, промптом и инструментами

Dreaming доступен по заявке, остальные функции в публичной бете

Anthropic разрабатывает проактивного ассистента Orbit, который будет самостоятельно генерировать рабочие сводки на основе подключенных приложений

Orbit интегрируется с Gmail, Slack, GitHub, Calendar, Drive и Figma, и без запроса со стороны пользователя формирует персонализированные брифинги с конкретными рекомендациями

Функция обнаружена в коде веб- и мобильных сборок Claude Cowork, где пока существует только как тогл в настройках. По имеющимся данным, релиз ожидается в рамках подписки Max

Вы общаетесь с Claude словами, но внутри модель обрабатывает их как длинные списки чисел, называемых активациями. Anthropic опубликовала Natural Language Autoencoders (NLA), метод, который переводит эти активации напрямую в читаемый текст без ручной интерпретации.

Архитектура состоит из двух компонентов: Activation Verbalizer преобразует активацию в текстовое объяснение, Activation Reconstructor восстанавливает исходную активацию из этого текста. Оба обучаются совместно через RL, качество объяснений оценивается точностью реконструкции

Результаты уже применены в pre-deployment аудите Opus 4.6 и Mythos Preview. NLA показал, что на coding-бенчмарке SWE-bench Claude молча подозревал тест в 26% случаев, на safety-оценках в 16%, при вербализации этого менее чем в 1% случаев. В auditing game аудитор с NLA находил скрытую мотивацию намеренно разбалансированной модели в 12-15% случаев без доступа к тренировочным данным, без NLA менее 3%

Почитать: https://www.anthropic.com/research/natural-language-autoencoders

OpenAI выпустила три новые голосовые модели в Realtime API. GPT-Realtime-2, первая голосовая модель компании с reasoning на уровне GPT-5

Контекстное окно расширено с 32k до 128k токенов, доступны настраиваемые уровни reasoning. На бенчмарке Big Bench Audio модель превзошла предыдущую версию GPT-Realtime-1.5 на 15,2%.

Модель поддерживает параллельные вызовы инструментов, обработку прерываний в середине фразы и преамбулы короткие фразы вроде “проверяю” перед основным ответом.

GPT-Realtime-Translate переводит речь в реальном времени с 70+ входных языков на 13 выходных.

GPT-Realtime-Whisper транскрибирует аудиопоток по мере произношения.

Цены: GPT-Realtime-2 $32 за 1M входных токенов и $64 за 1M выходных, GPT-Realtime-Translate $0,034 за минуту, GPT-Realtime-Whisper $0,017 за минуту

Обновление голосового режима в ChatGPT анонсировано отдельно, без даты

Почитать: https://openai.com/index/advancing-voice-intelligence-with-new-models-in-the-api/​​​​​​​​​​​​​​​​

Инструмент для синхронного перевода речи во время видеозвонков в Zoom и Google Meet на базе GPT-Realtime-2.

Инструмент существует в двух вариантах: CLI-скрипт на asyncio и десктопное GUI-приложение на PySide6.

Аудио захватывается с микрофона и передается чанками по 40 мс на эндпоинт OpenAI Realtime Translation API через WebSocket, переведенная речь воспроизводится на выбранном аудиоустройстве.

Для интеграции с Zoom и Meet используется виртуальный аудиодевайс BlackHole 2ch: он перехватывает вывод конференции и передает его в переводчик как микрофонный вход.

Требуется OpenAI API ключ с доступом к Realtime API и Python 3.10+. Задержка перевода составляет несколько сотен миллисекунд

GitHub: https://github.com/nanameru/mtg-realtime-translator​​​​​​​​​​​​​​​​

Также GPT-Realtime-2 подключают везде, есть пример как подключили к OpenClaw и управляют ИИ агентом голосом, короче эра Jarvis-ов наступила

Просто представьте speech model с reasoning 🤯 OpenAI хороши