dotey — 29-04-2026

17 твитов за сутки. В центре внимания — практические тесты новых моделей, стратегические ходы крупных игроков в AI и инфраструктурные сдвиги в open-source.

VibeVoice-ASR — Microsoft VibeVoice (9B параметров, MIT) объединяет распознавание речи и диаризацию в одну модель, обрабатывая до 60 минут аудио за один проход с поддержкой 50+ языков. Simon Willison протестировал 4-bit квантованную версию на M5 Max MacBook Pro: 1 час аудио транскрибировался за ~9 минут при пиковом потреблении ~60 ГБ RAM. Модель требует минимум 64 ГБ памяти для локального запуска и имеет жесткое ограничение в 60 минут на один инференс. gogoxui критикует качество диаризации по сравнению с pyannote и общую скорость, рекомендуя связку pyannote+qwenASR для локальных задач. FeitengLi отмечает, что работа была отвергнута на ACL, но подтверждает отсутствие галлюцинаций и тренд на интеграцию диаризации в LLM-ASR.

AI-индустрия и инвестиции — Manus куплен Meta за $2 млрд, а Cursor получил опцион на покупку за $60 млрд от Musk. Автор отвергает критику «сдувания пузырей», указывая, что обе компании опережают рынок: Manus строит multi-agent системы на базе generalist-LLM, а Cursor за 5 месяцев выстроил пайплайн continued pretraining + RL, создав Composer со скоростью, превосходящей Sonnet 4.5.

OpenAI и AWS — OpenAI расширяет партнерство с AWS, размещая GPT-5.5, Codex и Managed Agents на Amazon Bedrock. Это позволяет корпоративным клиентам использовать модели OpenAI в экосистеме AWS без миграции на Azure, интегрируя расходы в cloud commitments. Codex уже имеет более 4 млн активных пользователей в неделю, выходя за рамки программирования в сторону анализа и генерации контента.

Ghostty и GitHub — Mitchell Hashimoto объявляет о переносе терминала Ghostty с GitHub из-за частых сбоев GitHub Actions, которые мешают разработке. Hashimoto, пользователь GitHub с 2008 года, отмечает, что платформа стала ненадежной для серьезной работы, и ищет новые хостинг-решения.

World Models — Совместная работа HKUST, NUS, Oxford и других вузов публикует обзор Agentic World Modeling, предлагающий классификацию моделей по уровням (L1-предиктор, L2-симулятор, L3-эволюционер) и доменам (физика, цифра, социум, наука). Исследование показывает, что современные модели плохо сохраняют физическую консистентность (проходимость тестов всего 26.2%), а L3-способности (самодиагностика и эксперименты) лучше всего развиты в автоматизированной науке. Авторы приходят к выводу, что для L3-уровня нейросетей недостаточно, и потребуется возврат к редактируемым символическим правилам.

Warp Open Source — Терминал Warp стал open-source под лицензией AGPL при поддержке OpenAI. Код клиента доступен на GitHub, сервер остается проприетарным. Процесс разработки построен по модели «AI-first»: внутренний AI-платформа Oz пишет код и тестирует, а сообщество задает направление. Добавлена поддержка Kimi, MiniMax, Qwen и кастомизируемых интерфейсов.

Практика и инструменты — Open Claude Design — open-source проект, реверс-инжиниринг дизайна Claude, генерирующий HTML-шаблоны с высокой точностью, хотя и уступающий нативному React-выводу в интерактивности. ChatGPT и аналогичные агенты эффективнее работают, когда им поручается самостоятельная валидация результатов (например, генерации промптов) перед финальным контролем человека. Обсуждаются опасения по поводу замены知识工作者ов через 6 месяцев (gkxspace), которые автор считает преувеличенными для сложных проектов. GPT-5.5 и Codex становятся предпочтительнее из-за улучшенного письма и отсутствия anxiety по токенам.

dotey — 29-04-2026

Источники