Пока западные лаборатории спорят, кто круче, из Китая прилетел новый рекорд. Компания Moonshot AI выложила Kimi K3 — модель на 2.8 триллиона параметров. Это официально самая большая открытая (open-weights) нейросеть на планете, и с большим отрывом.

Табель о рангах открытых гигантов

• Kimi K3 (Moonshot) — 2.8 трлн
• DeepSeek V4-Pro — 1.6 трлн
• Kimi K2 (прошлая версия) — 1 трлн
• GLM-5.2 — 754 млрд
• DeepSeek (V3-класс) — 671 млрд
• Qwen3-Coder — 480 млрд

Не только размер

Под капотом — архитектура Mixture-of-Experts с фирменным механизмом Kimi Delta Attention и контекстным окном до 1 миллиона токенов. Но впечатляет не размер сам по себе, а то, куда модель забралась по качеству. На арене Arena.ai K3 ранжируется выше GPT-5.6 Sol и Claude Fable 5; в бенчмарке Frontend Code Arena она обходит Fable 5 напрямую; на Artificial Analysis идёт сразу за топовыми проприетарными моделями. Сама Moonshot честно признаёт, что в ряде задач всё ещё отстаёт от западных флагманов — но подобралась вплотную и прыгнула на 17 позиций выше прошлой Kimi K2.6.

Удар по кошельку

А теперь главное: 0,30 доллара за миллион входных токенов (с кешем) против кратно более дорогих Claude и GPT. Догоняющее качество за долю цены — да ещё и с открытыми весами, которые Moonshot выкладывает в общий доступ 27 июля.

Почему это важно

Всё это складывается во второй «момент DeepSeek». Китай, работающий под жёсткими санкциями США на поставки чипов, снова заставляет западные ИИ-лаборатории — тратящие миллиарды на вычисления — нервно пересчитывать, в чём именно состоит их преимущество. Если гигантские открытые модели можно тренировать в обход санкций и отдавать почти даром, вся экономика «закрытого фронтира» начинает трещать.

🔗 Источник: SiliconANGLE

🎯 НЕЙРО-ПУШКА ● Новости и обзоры нейросетей

Пока лента спорит про большие чат-модели, NVIDIA тихо выкатила то, на чём реально держится половина ИИ-продуктов — эмбеддер. И это, возможно, куда полезнее очередного чат-бота.

Что такое эмбеддер и зачем он нужен. Эмбеддер — это модель, которая превращает текст в векторы чисел. Именно она стоит за поиском по документам, за RAG (когда бот подтягивает факты из вашей базы знаний вместо того, чтобы выдумывать) и за «памятью» ИИ-агентов. Без хорошего эмбеддера чат-бот просто не найдёт нужный абзац среди тысяч ваших страниц — качество всего продукта упирается именно в этот незаметный слой.

Что выложили. Новинка называется Nemotron 3 Embed, вышла 17 июля и полностью открыта (лицензия OpenMDW). В коллекции три чекпоинта: старший на 8 млрд параметров, лёгкий на 1B и его квантованная 4-битная версия. Построено всё на базе Mistral Ministral-3.

Почему это заметили. Старший чекпоинт занял первое место на бенчмарке RTEB (78.46 NDCG@10) — то есть по качеству поиска обошёл всех конкурентов, включая закрытые платные модели. При этом лёгкая версия на 1B держит более 99% точности старшей, но заводится на скромном железе, а её 4-битный вариант в формате NVFP4 работает до 2 раз быстрее на видеокартах Blackwell. Контекст — 32 тысячи токенов (можно эмбеддить целые документы без нарезки на мелочь), поддержка 34 языков, включая русский, и отдельная заточка под поиск по коду (учили на датасетах SWE-bench и COIR).

Чем это полезно прямо сейчас. Сегодня тысячи сервисов платят за эмбеддинги OpenAI (text-embedding-3) — по подписке и с отправкой своих данных на чужой сервер. Nemotron 3 Embed можно поднять локально: бесплатно, приватно и без потери качества. Для любого, кто строит поиск, RAG или ИИ-агентов, это прямая замена платного облака открытой моделью, которую к тому же не стыдно показать по бенчмаркам.

Куда это встраивается. Embed — свежий кусок большой стратегии NVIDIA «открытые эффективные модели под ИИ-агентов». Рядом уже стоит вся линейка генеративных Nemotron 3 — от компактной Nano до 550-миллиардной Ultra. Компания явно целится не в то, чтобы сделать «ещё одну большую LLM», а в то, чтобы дать разработчикам весь открытый стек для сборки роёв агентов. Скачать модель уже можно на Hugging Face.

🔗 Источник: MarkTechPost

🎯 НЕЙРО-ПУШКА ● Новости и обзоры нейросетей

Dub Studio — опенсорсный «CapCut для ИИ-дубляжа»: берёт любое короткое видео и переозвучивает его на другой язык — полностью локально и бесплатно, без облака и подписок. Авто-анализ делает первый проход (распознавание речи, разделение спикеров, перевод, чтение текста на экране), а дальше ты в живом редакторе с превью правишь каждую реплику, голос, субтитр, плашку и заголовок.

Изначально это была версия на Python — а теперь я полностью переписал её с нуля на нативный стек (Rust + Tauri + C++/CUDA-движки).

• 5 режимов: полный дубляж · закадровый (голос поверх приглушённого оригинала) · только субтитры · Funny-режим (Gemma переписывает сценарий и переозвучивает) · транскрипт+диаризация

• Клон голоса оригинала (движок Higgs Audio v3), авто-кастинг разных голосов по спикерам или голос из пака

• Мультиспикерная диаризация (NVIDIA Sortformer, до 4 голосов) — каждому спикеру свой голос

• Текст на экране распознаётся (PP-OCR) и локализуется прямо на кадре — блюр оригинала + свой заголовок в подобранном стиле

• Импорт готовых субтитров (SRT/ASS) — берём текст и тайминг из файла вместо распознавания; галочка «уже на языке перевода» → дубляж напрямую из них, без ASR и перевода

• Мультиязычный экспорт — одно видео сразу на несколько языков, каждый наследует все твои правки

• Выбор ASR-движка — Parakeet-TDT (GPU) или Whisper (можно на CPU), с выбором размера модели и кванта

• 26 стилей субтитров (караоке / по словам / hormozi / неон…), рендер прямо на твоём кадре в реальном времени

• Сохранение проектов, поиск по сотням голосов и 100+ языкам, batch-обработка папок, живое превью ~0.17 с/кадр

• 100% оффлайн — ничего не уходит в облако

Скачать на GitHub — и поставить ⭐
README на русском языке
Сайт с примерами «до / после»

Мой Телеграм канал 👾 РЕПАКИ И ПОРТАТИВКИ ПОЛЕЗНЫХ НЕЙРОСЕТЕЙ ● НЕЙРОСОФТ

Признаюсь честно: такую штуку я и сам давно хотел собрать — авто-нарезку подкастов и стримов на шортсы, — да руки всё не доходили. А тут захожу в тренды GitHub, и вот оно, готовое, да ещё и на моём любимом стеке: Tauri 2 + Rust. Приятно, что не один я подсел на Раст. Возможно, форкну проект под свои задачи, как только добью портирование Dub Studio. А пока — рассказываю, что это.

Что это. AutoShorts — локальное десктоп-приложение (не веб-сервис), которое превращает часовую запись — подкаст, интервью, стрим, вебинар — в пачку готовых вертикальных клипов 9:16. Само расшифровывает речь, ищет «цепляющие» моменты, ранжирует их по вероятности «залететь» и нарезает вертикалки. Конвейер «длинное → короткое» на одном экране.

Как устроен пайплайн. Импорт видео или аудио → извлечение звука и транскрипт (Deepgram в облаке или локальный Whisper) → поиск моментов (LLM находит хуки, эмоциональные пики и острые цитаты, оценивает «виральный потенциал», в интерфейсе — % совпадения) → нарезка (авто-центр-кроп ландшафта в портрет 9:16, кодек H.264, через нативный ffmpeg). На выходе — готовые mp4-клипы.

Локально или в облаке — на выбор. При первом запуске мастер онбординга спрашивает режим. Полный офлайн: Ollama (LLaMA 3.2 3B / Qwen 2.5 3B/7B) + локальный Whisper, ничего не улетает наружу. Либо облако: DeepSeek (дёшево, рекомендуют авторы) или Claude (лучшие заголовки-хуки) для детекции + Deepgram для расшифровки.

Честная оговорка. Офлайн-режим есть, но авторы сами предупреждают: маленькие локальные модели (3B–7B) слабее в поиске моментов — им не хватает длинного контекста и аккуратности с таймкодами. Для качественной детекции советуют облачный DeepSeek (доли цента за прогон). Так что «локальность» тут прежде всего про приложение и хранение данных; расшифровка Whisper и вся история — честно офлайн.

Данные — у тебя. Транскрипты, кандидаты, кастомные имена, проекты — всё лежит в локальной SQLite. Менеджер проектов прямо с дашборда.

Ставится нативно, на всё. Windows — .msi или портативный .exe. macOS — .dmg (Apple Silicon и Intel). Linux — .deb или .AppImage. Единственное требование — FFmpeg и FFprobe в PATH.

Почему это интересно именно сейчас. Короткие вертикалки — главный формат роста для любого автора, а ручная нарезка часа контента — боль. Тут весь цикл автоматизирован и упакован в лёгкое нативное приложение на Rust/Tauri, а не в очередной жирный Electron или платный SaaS по подписке. Open-source, ставится за минуту, данные не покидают машину.

🔗 GitHub: JayWebtech/autoshorts (поставьте проекту звезду — это помогает автору)

👾 РЕПАКИ И ПОРТАТИВКИ ПОЛЕЗНЫХ НЕЙРОСЕТЕЙ ● НЕЙРОСОФТ

Очистка логов по нужному пути.

Секундомер формата 00:00.

Конвертер км/ч в м/с или наоборот.

TWR калькулятор до сотых чисел (0.00).

Прогноз погоды (никакой магии, это просто отличный wttr.in!).

Пинг-тестер по нужной ссылке и количеству пакетов (от 1 до 3).

Переносчик файлов нужного формата и нужного пути.

Проверка обновлений сервиса.

Весь батник весит всего лишь какие-то 12 кб, а в сжатом виде вообще так 4.25 кб. Делает больше, чем простые чистилки под 50 мб.

К тому же, там есть раздел "От автора", где можно скачать тот же "Magnet-Fishing" или "Batch files pack", или просто зайти на корень моего репозитория GitHub.

Ссылку на скачивание сервиса я оставляю тут!

(А че тут больше писать? Не знаю.)