AI Hub

Новости и статьи об искусственном интеллекте и нейросетях. Мы собираем и обрабатываем самую актуальную информацию из мира AI. О проекте

TelegramБот @AiHubMyBotTelegramКанал @AiHubFeed

мультимодальность

55 публикаций по теме
мультимодальность
Новости

Google впервые за 25 лет переделала поисковую строку — почему это важно

Google официально представила на конференции I/O масштабный редизайн поисковой строки, превращая её из поля для ключевых слов в мультимодальный ИИ-интерфейс для бесед. Одновременно компания объединила функции AI Overviews и AI Mode в единый бесшовный поисковый опыт и показала рекордные темпы роста ИИ-поиска — 1 млрд пользователей в месяц для AI Mode и 2,5 млрд для обзоров.

4
7 мин
2 часа назад
Qwen3.5-Omni от Alibaba пишет код по голосовым командам и видео без целенаправленного обучения
Новости

Qwen3.5-Omni от Alibaba пишет код по голосовым командам и видео без целенаправленного обучения

Alibaba выпустила омнимодальную модель Qwen3.5-Omni, которая лидирует в аудиозадачах над Gemini 3.1 Pro и неожиданно обрела способность генерировать код по голосовым инструкциям и видео. Версия Plus установила рекорды на 215 бенчмарках, расширила языковую поддержку до 113 языков и ввела ARIA для естественного синтеза речи в реальном времени. Выпуск произошел на фоне ухода ключевых разработчиков.

60
7 мин
5 мая 2026 г.
Новости

Визуальные модели языка научили роботов считывать эмоции человека

Учёные обучили коллаборативных роботов распознавать эмоции людей с помощью визуальной языковой модели (VLM), которая учитывает мимику и контекст взаимодействия. Эксперименты показали, что VLM превосходит традиционные системы анализа лиц, но персонализированные извинения не восстанавливают утраченное из-за ошибок доверие — люди больше ценят функциональность машины, чем её эмоциональную отзывчивость.

40
4 мин
вчера
Новости

Nemotron 3 Nano Omni: Nvidia раскрыла устройство современной мультимодальной модели

Nvidia выпустила открытую мультимодальную модель Nemotron 3 Nano Omni для текста, изображений, видео и аудио, ориентированную на агентные задачи. Она использует гибрид Mamba-Transformer с MoE и обучающие данные от Qwen, GPT-OSS и других, показывая высокие результаты на бенчмарках вроде OSWorld с точностью 47,4%. Релиз включает веса, данные и пайплайны под коммерческой лицензией.

20
4 мин
29 апреля 2026 г.
Статьи

NotebookLM для креативного архитектора

NotebookLM эволюционировал в мультимодальную студию для креативных архитекторов, охватывающую весь цикл проектов от исследований до презентаций. Ключевые функции включают Deep Research для поиска данных, карты ума для визуализации идей, визуальную студию для слайдов, аудио-видеообзоры и масштабные блокноты на 1 миллион токенов. Это ускоряет процессы и повышает эффективность проектирования систем.

14
5 мин
15 апреля 2026 г.