Kategória
Nové foundation modely, benchmarky, multimodálne schopnosti a vývoj inferencie.
Nový backend má znížiť potrebu písať samostatné vLLM implementácie pre každý model. Pre autorov modelov aj prevádzkovateľov inferencie je to praktická zmena v tom, kde sa robí optimalizácia.
Štvrtá časť série o modeli PRX od Photoroomu sa sústreďuje na dáta: kombinovanie zdrojov, captioning, latenty a formáty pre tréning obrazových modelov. Ide o užitočný pohľad do toho, ako sa v praxi skladá dataset pre generatívny model, nie iba o oznámenie parametrov.
Hugging Face vydal LeRobot 0.6.0, veľkú aktualizáciu otvoreného robotického stacku. Nová verzia spája modely, ktoré si vedia predstavovať dôsledky akcií, jednotné benchmarky a praktickejšie nástroje pre tréning aj nasadenie politík na robotoch.
Nový otvorený model Leanstral 1.5 má 119 miliárd parametrov, z nich 6 miliárd aktívnych, a cieli na formálne dôkazy, verifikáciu kódu a agentické proof engineering workflowy.
Claude Fable 5 sa má 1. júla vrátiť globálnym používateľom, kým Mythos 5 zostáva obmedzený. Anthropic zároveň opisuje nové klasifikátory, bug bounty program a potrebu presnejšie merať závažnosť jailbreakov.
AWS sprístupňuje Claude Sonnet 5 cez Amazon Bedrock a Claude Platform on AWS, pričom ho rámcuje ako model pre rozsiahle agentické workflow, kódovanie a firemné nasadenia s kontrolou dát.
Hugging Face ukázal reálny speech-to-speech tok, v ktorom rozpoznávanie reči, Gemma 4 na rýchlej inferencii Cerebras a syntéza hlasu tvoria vymeniteľný otvorený stack. Zaujímavé je najmä to, že hlasový asistent sa tu nerieši ako jeden uzavretý produkt, ale ako modulárna referenčná architektúra pre vývojárov.
OpenAI začína limitovaný náhľad rodiny GPT-5.6. Vlajkový model Sol má posunúť kódovanie, biológiu a kybernetickú bezpečnosť, no systémová karta zároveň ukazuje režim vysokého rizika, kontrolovaný prístup a nové vrstvy monitorovania.
Nový rozbor Ai2 a Hugging Face porovnáva Olmo 3 s Olmo Hybrid na úrovni jednotlivých tokenov. Ukazuje, že hybridná architektúra má najväčší náskok pri slovách nesúcich význam a pri sledovaní entít, zatiaľ čo čistý transformer zostáva silný pri doslovnom opakovaní textu.
Mistral predstavil OCR 4, nový model na spracovanie dokumentov so 170 jazykmi, bounding boxmi, klasifikáciou blokov a nasadením cez API alebo samostatný kontajner.
PaddlePaddle zverejnil na Hugging Face novú generáciu univerzálneho OCR modelu PP-OCRv6. Rodina cieli na praktické čítanie textu v dokumentoch, obrazovkách aj scénach a škáluje od 1,5 po 34,5 milióna parametrov.
Japonská Sakana AI predstavila Fugu, model určený na riadenie skupiny iných modelov. Zaujímavé je najmä načasovanie: firma ho stavia ako alternatívu k závislosti od jedného amerického frontier modelu.