Новая LLM от Meta* — Avocado — откладывается из-за отставания от конкурентов
Meta перенесла релиз своей следующей ИИ-модели Avocado на май 2026 года после провала внутренних тестов на фоне конкуренции с Google и OpenAI.
Обзоры новых релизов, сравнения моделей, анализ возможностей и ограничений современных LLM. Следите за развитием технологий искусственного интеллекта в области обработки естественного языка.
Meta перенесла релиз своей следующей ИИ-модели Avocado на май 2026 года после провала внутренних тестов на фоне конкуренции с Google и OpenAI.
Эпоха низких цен на использование ИИ-моделей подходит к концу. Лаборатории готовятся к IPO, что заставит их отказаться от субсидирования тарифов и перейти к прибыльности.
OpenAI планирует внедрить генератор видео Sora в ChatGPT, чтобы стимулировать рост аудитории и усилить конкуренцию с Google Gemini.
Google Research представила метод Bayesian teaching, позволяющий языковым моделям эффективнее обновлять знания в ходе диалога и работать в условиях неопределенности.
OpenAI выпустила модель GPT-5.4, способную управлять интерфейсом ОС через скриншоты и превосходящую профессионалов в большинстве офисных задач.
Архитектура Olmo Hybrid демонстрирует двукратный прирост эффективности обучения, однако проблемы с открытым ПО и инференсом мешают массовому внедрению технологии.
Meta* готовит новое поколение ИИ-моделей под кодовыми именами Mango и Avocado. Они должны расширить возможности мультимодальности, рассуждения и стать основой стратегии персональных ИИ-ассистентов.
OpenAI обновила ChatGPT с помощью модели GPT-5.3 Instant, сфокусировавшись на снижении галлюцинаций в праве и медицине, а также на улучшении естественности диалога.
Anthropic обновила Claude, добавив бесплатную функцию памяти и инструмент переноса данных из других чат-ботов. Компания рассчитывает таким образом привлечь пользователей из экосистем ChatGPT и Gemini.
Inception Labs представила Mercury 2 — диффузионную языковую модель, работающую быстрее классических LLM. Архитектура параллельной генерации может изменить подход к инференсу и обучению ИИ-агентов.