Стелс-период ИИ-модели Space Bunny закончился — в ближайшее время станет известно, какая именно модель стоит за этим кодовым названием.

😅 Канал Serverflow в MAX: Подписаться

Сбер представил Kandinsky 6.0 Video — новую линейку открытых отечественных нейросетей, которые генерируют видео сразу с синхронным звуком: речью, музыкой и звуками окружения. Модели одновременно “видят” и “слышат” то, что создают, поэтому контент получается максимально качественным. Поддерживает ввод по тексту и первому кадру.

Пока длина ограничена 5 секундами, звук генерируется с частотой 44 кГц, а встроенный апскейлер поднимает разрешение до Full HD.

Под капотом используется двухпоточная архитектура CrossDiT: предобученный видеопоток и новый аудиопоток связаны перекрестным вниманием, которое синхронизирует их по времени и смыслу.

Сразу вышло восемь моделей с размером от 1,4 до 29 млрд параметров. Шесть из них генерируют видео со звуком:

Kandinsky-6.0-Pro-5s: 29 млрд параметров (~81 ГБ), основная версия, 50 шагов для генерации.

📽 Kandinsky-6.0-Pro-distill-5s: 29 млрд параметров (~81 ГБ), дистиллированная версия, всего 10 шагов для генерации.

📽 Kandinsky-6.0-Pro-pretrain-5s: 29 млрд параметров (~81 ГБ), базовый чекпоинт до финального дообучения.

📽 Kandinsky-6.0-Lite-5s: 3 млрд параметров (~28 ГБ), основная версия, генерация в 50 шагов.

📽 Kandinsky-6.0-Lite-distill-5s: 3 млрд параметров (~28 ГБ), дистиллированная версия для генерации в 10 шагов.

📽 Kandinsky-6.0-Lite-pretrain-5s: 3 млрд параметров (~28 ГБ), базовый чекпоинт для дообучения.

Еще 2 модели отвечают за апскейл видео (Video Super Resolution):

⚒️ Kandinsky-6.0-VSR-5s: 1,4 млрд параметров (~17,5 ГБ), 4 шага на тайл.

⚒️ Kandinsky-6.0-VSR-distilled2steps-5s: 1,4 млрд параметров (~17,5 ГБ), дистиллированная версия на 2 шага.

По данным Сбера, в 71% случаев новая модель оказалась лучше Kandinsky 5.0, а в задаче оживления изображения Pro-версия обошла закрытую Veo 3.1 Fast от Google по качеству картинки, соответствию исходному кадру и движению камеры.

Веса нейронок доступны на Hugging Face под лицензией MIT. Инференс доступен через Diffusers и ComfyUI, а до конца года Kandinsky 6.0 обещают добавить в FastVideo, SGLang и vLLM-Omni.

😅 Канал Serverflow в MAX: Подписаться

Генеральный директор Mistral Артур Менш заявил, что компания сегодня представит ИИ-модель, которая превзойдет китайские аналоги в “определенных” областях, таких как кибербезопасность.

😅 Канал Serverflow в MAX: Подписаться

FLUX 3 занимает первое место на Physics-IQ — бенчмарке понимания физического мира в видеомоделях. А ведь нейронки FLUX 3 скоро выйдут в open-source.

😅 Канал Serverflow в MAX: Подписаться

Ubuntu 26.04 LTS “Resolute Raccoon” вышла еще в апреле 2026 года. Поставить ее с нуля можно было с первого дня. А вот у тех, кто сидел на предыдущей LTS 24.04, штатного пути обновления все это время не было: команда do-release-upgrade на просто отвечала, что новых релизов нет, и переход был возможен только через форсирование с флагом -d.

Теперь ситуация изменилась — 29 сентября команда Ubuntu объявила, что обновления с Ubuntu 24.04 LTS до 26.04.1 LTS официально включены 🎉

Это не баг или фича, а стандартная практика. Пользователи промежуточной 25.10 получили обновление уже через несколько недель после релиза, а LTS-to-LTS переход Canonical официально открывает только после выхода первого “point release” (версии с исправлениями после выхода LTS и готовыми установочными базами) новой ветки.

Суть в том, что на LTS-версиях Ubuntu сидит большинство пользователей и на них базируются большинство Linux-серверов, которые никто не хочет поднимать после неудачного апгрейда. При этом между двумя LTS накапливается два года изменений, и все это нужно мигрировать за раз. Поэтому новой версии дают несколько месяцев обкатки, собирают отзывы от тех, кто поставил ее начисто, и исправляют первые баги.

В этот раз ждать пришлось даже дольше обычного. point release Ubuntu 26.04.1 вышла 27 августа, но открывать обновления сразу не стали: в процессе нашлись баги, исправления которых нужно было протестировать, упаковать и затем заново прогнать весь процесс обновления. На это ушел еще месяц.

На десктопе предложение обновиться появится само в Update Manager. На сервере достаточно сначала полностью обновить текущую систему, а затем запустить:

sudo apt update && sudo apt full-upgrade
sudo do-release-upgrade

Флаг -d из старых инструкций при этом больше не нужен.

😅 Канал Serverflow в MAX: Подписаться

Mistral AI представила preview-версию своей новой флагманской модели Mistral Large 4 “Le Chonk” (пухляш) объемом в 1,05 трлн параметров.

Модель построена на архитектуре Mixture-of-Experts с 49 млрд активных параметров, поддерживает мультимодальность за счет визуального энкодера на 1,6 млрд, а контекстное окно достигает 1 млн токенов. Для сравнения, предыдущая флагманская модель Mistral Large 3, вышедшая в декабре 2025 года, имела 675 млрд общих, 41 млрд активных параметров и всего 256 тысяч токенов контекста.

Mistral заявляет, что Large 4 станет лучшей открытой моделью из США и Европы по совокупности бенчмарков. Особый акцент компания делает на кибербезопасности: в тесте CyberGym-E2E, где модель должна воспроизвести реальную уязвимость в открытом ПО, а затем исправить ее, Large 4 набрала 82% и заняла первое место. Ближайший конкурент MiMo-V2.6-Pro получил 79%. По Cyber Index от Artificial Analysis модель входит в пятерку лидеров.

В программировании результаты скромнее, но тоже сильные. На DeepSWE v1.1 модель набрала 61,7%, обойдя DeepSeek V4 Pro и Qwen3.8 Max, но уступив Kimi K3. В Terminal-Bench 4.0 ее результат примерно вдвое выше, чем у DeepSeek и Kimi, но до GLM-5.3 остается 13,6 процентного пункта. А в слепой оценке качества кода от Surge AI профессиональные оценщики поставили Large 4 второе место из пяти: 3,74 балла против 4,22 у Claude Opus 5.

Попробовать модель можно уже сейчас через API под идентификатором mistral-large-4. На время preview действует скидка 50%: $0,68 за миллион входных токенов и $2,09 за миллион выходных. А в конце октября Mistral обещает опубликовать открытые веса.

😅 Канал Serverflow в MAX: Подписаться

Обратный отсчет до открытия весов Mistral Large 4 уже стартовал 👀

😅 Канал Serverflow в MAX: Подписаться

Google представила EmbeddingGemma 2 — открытую встраиваемую модель под лицензией Apache 2.0 (веса на Hugging Face) для векторного поиска.

EmbeddingGemma 2 построена на основе Gemma 4 и состоит из отдельных блоков, которые можно загружать только при необходимости. Базовая часть для текста и кода весит 270 млн параметров (130 млн приходится на трансформер и 140 млн на слой эмбеддингов). Если добавить энкодер изображений и видео на 170 млн параметров, модель вырастает до 440 млн. С аудиоэнкодером на 300 млн получается 570 млн, а полная мультимодальная версия со всеми блоками содержит 740 млн параметров.

Главный прирост по сравнению с первой версией заметен в работе с кодом. На MTEB Code модель набрала 78,68 балла против 68,76 у EmbeddingGemma 1, а на мультиязычном MTEB результат остался примерно на прежнем уровне: 61,36 против 61,15. Модель понимает более 100 языков (включая русский) и обрабатывает контекст до 8192 токенов, чего хватает на несколько минут аудио или видео.

Благодаря технологии Matryoshka Representation Learning векторы можно обрезать с 768 до 512, 256 или 128 измерений. Это напрямую снижает объем векторной базы, вплоть до 6 раз, сохраняя около 95% качества при поиске по изображениям, видео и речи.

Плюс модель умеет подстраивать эмбеддинги под задачу с помощью коротких текстовых префиксов: для поиска, классификации, кластеризации или оценки семантической близости используются разные инструкции.

😅 Канал Serverflow в MAX: Подписаться