🌐 LFM2 от Liquid AI — быстрая и экономная on‑device модель

🗓 Дата релиза: 10 июля 2025. Liquid AI официально представили open-source серию моделей LFM2 — оптимизированную для работы прямо на устройствах и без задержек, которую уже можно протестировать в Liquid Playground, Hugging Face и через llama.cpp.

🚀 Почему это мощно

- Двойной прирост скорости: в 2 раза быстрее обработка ввода/вывода по сравнению с Qwen3 на CPU.
- Обучается в 3 раза быстрее предыдущих моделей LFM — экономит ресурсы и время .
- Компактность при высоком качестве: 350M, 700M и 1.2B параметры с результатами, сопоставимыми и лучше аналогов, включая Gemma 3 и Llama 3.2 1B.

💡 Технологии

- Гибридная архитектура: сочетание «жидких» конволюций (LIV-модули) с attention-блоками в 16 слоях — 10 конволюционных + 6 attention.
- Универсальность: модель отлично работает на CPU, GPU и NPU, подходит под мобильные устройства, ноуты, роботов.
- Свободное распространение: weights под открытой лицензией, запускаются локально, конфигурация — через Hugging Face и Liquid Playground.

📊 Результаты

- MMLU, GPQA, GSM8K и др.: модели LFM2-1.2B стабильно быстрее, чем Qwen3-1.7B и Llama 3.2 1B.
- Предпочтение оценивающими LLM: ответы LFM2-700M и 1.2B чаще признаны лучше по качеству, чем у конкурентов.

🔗 Попробовать: Hugging Face, GitHub.

🔵 Moonshot AI выпустили Kimi-K2 — холодный расчет по коду и задачам

🟢 Что случилось:
Китайский стартап Moonshot AI (основан 2023, поддерживается Alibaba и Tencent) выпустил Kimi- K2 — open‑source модель с архитектурой mixture‑of‑experts: всего 1 трлн параметров, активны 32 млрд за раз.

🎯 Чем интересна:

- Фокус на кодинге и многошаговых задачах: по заявлению, обходится на 65,8 % на SWE‑bench и 53,7 % на LiveCodeBench — выше, чем у DeepSeek V3 и GPT‑4.1. Тест по математике (MATH‑500) — 97,4 %, выше GPT‑4.1 (92,4 %).
- Отличная «агентская» база — она может сама вызвать инструменты, рефакторить код и логически мыслить многошагово.
- Быстрый доступ: open‑source, API по $0.15/млн токенов входа, $2.50/млн токенов выхода — дешевле конкурентов.

⚙️ Технологии и эффективность

- Модель MoE: mixture‑of‑experts — для экономии ресурсов и точности.
- Длинный контекст: поддержка до 128 000 токенов — сочинения, целые статьи и большие инструкции.
- Kimi-VL / Kimi-Audio: мультимодальные модели для понимания текста+изображений (Kimi-VL с 2,8 млрд активных параметров) и аудио (Kimi-Audio) — всё open‑source и доступно на GitHub/Hugging Face.

🔗 Попробовать: Kimi-K2

🔵 MindSpore 2.0 от Huawei — фреймворк для AI на всех уровнях, от edge до суперкомпьютеров

🟢 Что случилось:
Huawei выпустила MindSpore 2.0 (релиз март–июнь 2025), с расширенными возможностями для автоматического распределенного обучения, поддержки гибридных графов и экосистемой для domain‑специализированных задач: CV, NLP, Quantum и других .

🎯 Чем полезен:

- Гибридное обучение в высокопроизводительных кластерах: multi-dimensional hybrid parallelism позволяет масштабировать обучение на сотни GPU/Ascend чипов.
- Унифицированный API: поддерживает динамические и статические графы, написание моделей на Python привычно и компактно .
- Эко‑пакеты для X-domain задач: MindSpore SPONGE (биоинформатика), Elec (электромагнетика), Flow (симуляции), CV, NLP, OCR, YOLO, Quantum и многое другое.

⚙️ Технологии & возможности:

- Поддержка разных языков: Python, C++, Rust, Julia, ArkTS, Java и др.
- Платформы: работает на Linux, Windows, macOS, HarmonyOS, OpenHarmony — плюс Ascend и Kirin NPU.
- Инструменты внутри: MindInsight для графов и профилирования, MindArmour для защиты моделей.
- Квантовые возможности: MindSpore Quantum — совместимо с NISQ‑алгоритмами и ускоряется QuPack-симулятором.

📊 Цифры и экосистема:

- Более 11 млн загрузок, 37 000+ активных участников, доля рынка в Китае ~30% по фреймворкам.
- Активное присутствие в научных кругах: признание в OSCHINA, создание Центра экосистемы в Шанхае.

🔗 Попробовать: MindSpore 2.0

🛠 ТОП‑10 open‑source AI-инструментов, которые стоит знать в 2025 году

1. Hugging Face Transformers
📦 Библиотека с сотнями тысяч моделей: GPT-подобные, мультимодальные, классификаторы. Всё работает из коробки — от распознавания текста до генерации изображений.

2. LangChain
🧠 Стек для создания интеллектуальных LLM‑агентов: промпты, memory, chains и подключение к API. Идеально для чатов, RAG-ботов и мультишаговых задач.

3. OpenLLM (BentoML)
🚀 Лёгкий сервер для запуска и масштабирования LLM локально или в облаке. Поддерживает fine‑tuning, REST/gRPC API, low‑latency инференс через vLLM.

4. Haystack
🔍 Фреймворк для RAG-пайплайнов: подключение Elasticsearch, Weaviate, FAISS, + генерация через LLM. Отличное решение для документ‑ботов и Knowledge‑AI.

5. DeepSpeed
⚙️ Оптимизатор от Microsoft — ускоренная тренировка и инференс крупных моделей (многомодальных, CODA и т.п.), пользуется у исследователей.

6. MLflow
📖 МLOps: трекинг экспериментов, отслеживание метрик, управление сплитами и версиями моделей.

7. DVC
📁 Git‑помощник для данных: хранит датасеты, артефакты и метаданные. Полезно для воспроизводимости и коллаборации.

8. KoboldAI
🤖 Локальный AI‑движок для генерации историй и диалогов — особенно интересен инди-разработчикам и геймдеверам.

9. FastChat (LMSYS)
💬 Простой фреймворк для запуска локальных чат-агентов на близком к production уровне.

10. Ollama
📍 Локальный AI‑сервер — запускайте модели прямо на своём компьютере без зависимостей и ключей.

▶️ Kling AI

📌 Популярная нейросеть для видео прямиком из Китая. Эта нейронка способна создать видео длительностью до двух минут в высоком качестве 1080р. Разработчики считают главной фишкой продвинутую физику, которая качественно визуализирует и воспроизводит даже самые сложные движения.

📌 Kling тоже умеет генерировать видео с текстового запроса и с изображения. В креаторе доступны тонкие настройки: встроенные пресеты, возможность синхронизировать движения объектов, управлять движением камеры, менять фокус. Кроме того, в нейронку добавлен липсинк: персонажи умеют говорить, а звук можно добавлять непосредственно в ролик.

💭 Как пользоваться:

✅ Выберите режим генерации — по текстовому описанию или по изображению.
✅ Нажимаете Generate и ждете. Из минусов: интерфейс на китайском (хотя есть частичный английский и русский) и непростой доступ — нужны аккаунт и установка мобильного приложения.
✅ Также в бесплатном режиме для генерации доступны только короткие ролики, без полного HD и с ограниченным функционалом.

💸 Цена: бесплатный бета‑доступ + платные тарифы (от $10 в месяц)

#видео_контент

🔗 Попробовать: Kling AI

🔵 TabPFN — трансформер для табличных данных, решает задачи за секунды

🟢 Что это:
TabPFN — это трансформерная модель, обученная на синтетических таблицах, позволяющая всего за один прямой проход выполнять классификацию и регрессию на табличных данных. Версия v2 поддерживает до 10 000 строк, 500 признаков, и уже опубликована в Nature в январе 2025.

🎯 Ключевые преимущества:

- Готовность сразу к использованию без настройки гиперпараметров и тонкой подгонки.
- Скорость: предсказывает метки менее чем за 1 секунду, до 3 200× быстрее, если включён GPU.
- Высокая точность: превосходит XGBoost и AutoML-системы на небольших табличных данных.
- Open-source и готовая к сборке через GitHub и PyPI — pip install tabpfn.

⚙️ Как это работает:

- Модель — трансформер с 12 слоями, обученный на миллионах синтетических таблиц, эмулирующих различные структуры и шум.
- Принцип Prior-Data Fitted Network: модель имитирует байесовское вывод, обучившись заранее, без дополнительного обучения на новых данных.
- Поддержка динамических задач: классификация и регрессия, также работы по missing‑data и categorical-данным.

📌 Попробовать: TabPFN

🔵 Nous Research — децентрализованные LLM с моделью Hermes и сетью DisTrO

📌 Что это:
Nous Research — AI-стартап из Нью-Йорка, основанный в 2023 году, строит открытую и децентрализованную AI-инфраструктуру. central в её экосистеме — Hermes 3 (быстрые 8B, 70B и 405B модели, fine‑tuned на Llama 3.1) и DisTrO — технология распределённой тренировки через интернет, без нужды в централизованных дата-центрах.

🎯 Чем интересны:

- Hermes 3 — LLM с длинным контекстом, внутренним мышлением и агентскими способностями. Поддерживает многопоточную логику и function‑calling, обучен на синтетических данных с акцентом на точность и гибкое следование инструкциям.
- DisTrO / DeMo — распределённая тренировка модели на нецентрализованных GPU (от RTX 4090 до национальных кластеров). Снижает загрузку сети в 1000-10 000×, работает даже на обычном интернете.
- Psyche Network — тестовая сеть на Solana, позволяющая координировать тренировку LLM с 40B параметрами, используя блокчейн для управления ресурсами и incentivization.

⚙️ Технологии и достижения:

- Forge API — агентная модель: Mixture of Models, Chain of Code, MCTS — решение задач сложнее, чем в обычных LLM.
- Open, прозрачный стакинг: исходники, архитектура и средства децентрализации доступны, тысячи участников, строгий контроль над данными.

📌 Где это найти:

- GitHub модели;
- Официальный сайт;
- Документация DisTrO / DeMo и Psyche.

🔗 Попробовать: Nous Research

🔵 Anthropic запустили Claude for Financial Services — AI‑решение для финансового анализа

📌 Что представили:
Anthropic анонсировали комплексный продукт Claude for Financial Services, призванный объединить финансовые данные и упростить анализ: модель берёт рыночные фиды и внутренние источники вроде Databricks и Snowflake и выводит всю информацию в одном интерфейсе. Правда, доступна пока только через AWS Marketplace — к Google Cloud подключатся скоро.

🎯 Почему это важно:

- Модель Claude 4 лидирует в финансах, а Claude Opus 4 прошёл 5 из 7 уровней World Financial Modeling Championship с точностью 83 % на сложных Excel-задачах.
- Встроены коннекторы к крупнейшим провайдерам — FactSet, S&P Global, Morningstar, PitchBook, Palantir и другие — для перекрёстной проверки данных и прямых ссылок на источники.
- Поддержка интеграций с Databricks и Snowflake — всё в одном рабочем пространстве.

⚙️ Технологии и возможности:

- Коннекторы к финансовым платформам и аналитическим базам — сразу готовы к работе.
- Claude Code встроен для кастомных расчетов, underwriting, compliance, Monte Carlo и риск-симуляций.
- Enterprise-ready: доступ через AWS Marketplace (и скоро Google Cloud Marketplace). Anthropic сотрудничает с Deloitte, KPMG, PwC и Slalom для внедрения и настройки под конкретные задачи клиентов.

🔗 Попробовать: Claude for Financial Services

🔵 Amazon выпустили Kiro — AI-IDE с поддержкой спецификаций и фоновых агентов

📌 Что это:
Компания AWS (Amazon) представила Kiro — интегрированную среду разработки на основе AI-агентов, созданную для перехода от прототипов к production‑системам. Работает на базе Code OSS и совместима с плагинами VS Code, доступна бесплатно в бета‑версии (50 действий в месяц).

🎯 Преимущества:

- Spec-driven подход: ты вводишь цель — например, «добавить систему отзывов» — и Kiro генерирует user stories, условия приёмки и архитектурное описание, включая диаграммы и интерфейсы.
- Hooks — фоновые агенты: для автоматических задач — обновление тестов, документации, security-проверок — можно настроить реакцию на сохранение файла, изменение API и т.д.
- Поддержка MVP‑IDE: автогенерация unit‑тестов и интеграционных тестов, inline‑диффы, отслеживание истории задач и агентов.

⚙️ Что внутри:

- Использует модели Claude Sonnet 3.7/4.0, работает локально, с прозрачностью при выполнении запросов.
- Поддерживает Model Context Protocol (MCP) — возможность подключать кастомные агенты и сервисы.
- Кроссплатформенность: macOS, Windows, Linux — работает как отдельный клиент, но интегрируется с AWS behind the scenes.

🔗 Попробовать: Kiro

🌐 Warp 2.0 — среда разработки нового поколения с ИИ-агентами

📣 Стартап Warp представил Warp 2.0 — первую Agentic Development Environment (ADE), где разработчик работает вместе с ИИ-помощниками. Внутри — агенты на базе Claude Sonnet 4 и Claude Opus, которые умеют:
⭐️ Писать и проверять код
⭐️ Разворачивать проекты
⭐️ Запускаться по команде в любом количестве
⭐️ Корректироваться и прерываться в любой момент

💬 Вместо обычного терминала — универсальное поле ввода: пишешь запрос на естественном языке или в формате shell-команды — агент берёт это в работу.

📌 Warp 2.0 уже №1 в Terminal Bench (оценка терминального UX), и топ‑5 в SWE-bench Verified (задачи на разработку)

💰 Тарифы:
⭐️ Бесплатно: до 150 ИИ-запросов в месяц
⭐️ Платно: от $18 (≈1411₽), до 2500 запросов

🔵 Workik AI

📌 Workik AI — нейросеть для генерации backend-кода и API по текстовому описанию. Поддерживает Node.js, Django, Flask, FastAPI и другие.

📌 Особенности:

🟢Создаёт код, схемы БД, документацию (OpenAPI, ER-диаграммы)
🟢Интеграция с Git, Postman, Swagger
🟢AI-ассистент учитывает стиль кода, контекст проекта

⚙️ Архитектура:

🟢Веб-платформа + CLI + плагины для IDE
🟢Работает с подключёнными репами и схемами

👍 Плюсы:

🟢Быстрый старт API и backend
🟢Командная работа и история
🟢Поддержка моделей OpenAI, Claude, Gemini и др.

🔗 Попробовать: Workik AI

🔵 OpenAI презентовали ChatGPT Agent — AI‑ассистент, способный выполнять многошаговые задачи

📌 Что делает:
ChatGPT Agent запускает “виртуальный компьютер” и сам планирует встречу, бронирует столик на OpenTable, заказывает продукты и составляет презентацию — всё это без вашего участия.

🎯 Как это работает:
Основа — новая модель, обученная с помощью reinforcement learning для сложных цепочек действий: браузер, терминал, API и пр. Агент объединяет функции Operator и Deep Research в едином интерфейсе.

⏳ Что с производительностью:
Задачи могут выполняться 15–30 минут, но это быстро по сравнению с ручным выполнением, и это нормально для комплексных процессов.

🚀 Доступность:
ChatGPT Agent уже доступен пользователям с подпиской Pro, Plus и Team.

- Pro: до 400 запусков в месяц
- Plus/Team: 40 запусков
- Позже появится в тарифах Enterprise и Education, в том числе за пределами США.

🔐 Безопасность и контроль:
Перед серьёзными действиями (отправка письма, бронь и т.п.) агент запрашивает ваше подтверждение. Есть режим "watch mode", который отслеживает, не переключаетесь ли вы с активной задачи — при отклонении он прекращает работу.

🔗 Попробовать: ChatGPT Agent

🔵 OpenHands — платформа для AI-ассистентов, которые кодят вместо вас
OpenHands (ранее OpenDevin) — open-source фреймворк, который превращает LLM-модель в полноценного AI-инженера: редактирует код, запускает команды, работает с вебом и API, берёт примеры с StackOverflow. Всё — локально, конфиденциально и бесплатно.

📌 Почему это может быть интересно:

- Автономные агенты: могут модифицировать репозиторий, выполнять terminal-команды, браузить документацию и вызывать API.
- Быстрый старт: запускается через Docker за пару команд или работает headless в CLI режиме.
- Работает с любыми LLM: Claude 3.5 Sonnet, OpenAI GPT, Mistral и др. работают превосходно в тандеме с OpenHands.

⚙️ Техническая мощность и производительность:

- Результаты benchmark’ов: агент OpenHands CodeAct 2.1 закрывает более 50 % задач на SWE‑Bench и 41,7 % на SWE‑Bench Lite.
- OpenHands‑Versa — универсальный агент для code-editing, web browsing и multi-modal задач, улучшает результаты SWE‑Bench Multimodal и GAIA на 9+ баллов.

⁉️ Ограничения и нюансы:

- Некоторые пользователи сообщают о сложностях с установкой через Docker и проблемах с повторением операций при сложных проектах (agents могут застревать в loop'ах).
- Лучше подходит для небольших и средних репозиториев — на больших проектах возможны сбои и контекстные ограничения.

🔗 Попробовать: OpenHands

🔵 Milvus 2.5.14 — масштабируемая векторная СУБД для AI‑приложений

📌 Что это:
Milvus — это распределённая база данных для хранения и поиска векторных представлений (embedding). Позволяет создавать высокопроизводительные решения для рекомендаций, поиска схожих элементов, анализ изображений и др. Последний релиз — v2.5.14 от 2 июля 2025 — улучшил масштабируемость, стабильность и совместимость с ARM и x86 платформами.

🎯 Чем полезна:

- Обрабатывает миллионы векторов одновременно, сохраняет высокую скорость поиска по cosine/L2/inner-product.
- Подходит для AI-микросервисов: камеры, чаты, векторные поиски, RAG-агенты.
- Масштабируется горизонтально: добавляйте узлы и храните терабайты данных.
- Поддерживает хранение и репликацию на ARM и x86, работает в Linux и macOS.

⚙️ Особенности:

- OpenGINQ — API на Go/C++ для быстрой работы с embeddings.
- Поддержка GPU ускорения и ultra-efficient indexing.
- Живое сообщество, стабильные обновления, партнерство с LF AI & Data Foundation.

🔗 Попробовать: Milvus 2.5.14

🔵 CodeAPI

📌 CodeAPI — AI-сервис для генерации backend API на NestJS по простому описанию. Создаёт контроллеры, сервисы, маршруты и модули за пару минут.

📌 Особенности:

🟢Автогенерация API с аутентификацией, RBAC и документацией
🟢Умный diff-подход: меняет только нужные участки кода
🟢Web-интерфейс с редактированием и экспортом

⚙️ Архитектура:

🟢Web-интерфейс + встроенный AI-редактор
🟢В основе — модель LLM, обученная работать с API-паттернами и NestJS
🟢Обновления в уже существующий проект проходят без полного перезаписывания

👍 Плюсы:

🟢Экономит время на шаблонный код
🟢Подходит для MVP и продакшна
🟢Лёгкая интеграция с Git

🔗 Попробовать: CodeAPI

🔵 Docling — конвертер и анализатор документов для AI‑pipeline

📌 Что это:
Docling — это открытая библиотека от IBM (MIT-лицензия) для преобразования сложных документов в удобные форматы JSON/Markdown. Поддерживает PDF, Word, PPT, Excel, HTML, изображения, аудио и другие. Обрабатывает структуры страниц, таблицы, формулы и порядок чтения — всё локально, даже для сканов.

📌 Особенности:

🟢 Поддержка множества форматов: PDF, DOCX, PPTX, XLSX, HTML, PNG/JPEG, WAV/MP3.
🟢 Глубокое понимание PDF: распознаёт макеты, таблицы, формулы, код и ordering.
🟢 Уменьшает зависимость от OCR: визуальные AI-модели точнее и в 30 раз быстрее, чем традиционные OCR.
🟢 Интеграция с GenAI-стеком: работает с LangChain, LlamaIndex, Haystack и другими.

⚙️ Архитектура:

🟢 Использует DocLayNet для layout-анализa и TableFormer для распознавания структур таблиц.
🟢 Работает как CLI и Python API, полностью локально, совместимо с CPU/GPU/MPS.
🟢 Экспортирует вывод в Markdown, HTML, JSON без потерь.

🔗 Попробовать: Docling

🔵 Devstral — агентская LLM для программистов от Mistral AI

📌 Что это:
Devstral — новая open-source модель, целиком ориентированная на разработку ПО. Разработана Mistral AI в сотрудничестве с All Hands AI под лицензией Apache 2.

🎯 Особенности:

🟢Предназначена для работы с реальными GitHub-issues и масштабными кодбазами.
🟢Выполняет диагностику, отладку, refactoring и даже генерацию тестов — всё как настоящий dev‑ассистент.

⚙️ Результаты:

🟢Devstral набирает 46.8 % на SWE‑Bench Verified — это выше всех ранее доступных open-source LLM.
🟢Превозит такие системы, как Deepseek‑V3 и Qwen3 в одинаковых условиях.

🔗 Попробовать: Devstral