Модели и возможности с точки зрения операций

Главное

Google перевела поиск на Gemini 4 Hydrogen для всех

Google перевела Поиск на модель Gemini 4 Hydrogen для всех пользователей в мире. Она лучше разбирает составные вопросы и опечатки, шире запускает параллельные подзапросы и чаще показывает таблицы, картинки и мини-инструменты. Кто изучает поставщиков или клиентов через Google, увидит другие ответы и другие ссылки на сайты.

Что меняется для операций — Если ваша команда использует Google, чтобы оценить поставщика, изучить фон потенциального клиента или сравнить инструменты, ждите ответов в виде сравнительных таблиц и прогоните несколько привычных составных исследовательских вопросов: так станет видно, экономит ли это теперь время. Если ваш сайт участвует в пути покупателя, вбейте в поиск вопросы, которые клиенты задают целыми предложениями, и посмотрите, на какие страницы ссылается Google. По словам Google, более широкое разветвление запросов выводит на сайты, которых люди раньше не нашли бы, поэтому ваши страницы могут появляться чаще или реже, а данных о трафике в источнике нет. Считайте это тем, что нужно измерить в собственной аналитике в ближайшие недели. Тем, кто отвечает за поддержку и материалы для продаж, стоит проверить, что страницы продукта и статьи справки по отдельности отвечают на каждую часть составного вопроса: именно под такие запросы модель и сделана.

Google выпустила Gemini 4 Hydrogen по $1,50 за 1 млн

Если поддержка, sales ops или бэк-офисные автоматизации у вас работают на Gemini 3.8 Flash, Hydrogen - первый кандидат на проверку. Возьмите десять реальных задач, например разбор тикетов, поиск по договорам или отчёты по таблицам, и прогоните их на низком, среднем и высоком уровнях рассуждения. Для каждого запишите стоимость, задержку и долю ошибок. Единая цена упрощает бюджет для работы с длинными документами, а уровни рассуждения позволяют платить за глубокий анализ только на тех шагах, где он нужен. Все бенчмарки из анонса считайте заявлениями вендора, пока ваши данные их не подтвердят.

NVIDIA выпустила GR00T 2 и Isaac Lab 3.0

Если вы отвечаете за продажи, поддержку или бэк-офис в B2B-компании на 10-200 человек, сегодня ничего делать не нужно. Новость касается тех, кто управляет складом, сборочной линией или фулфилментом, и тех, кто закупает автоматизацию у таких компаний. Практичный шаг - спросить у поставщиков роботов, на каких моделях и бенчмарках они проверяют свои решения и откуда взяты результаты: из симуляции или из испытаний на реальном оборудовании. В источнике говорится только о тестах и пилотах поставщиков, о промышленной эксплуатации речи нет. Поэтому любой срок поставки, который называет подрядчик, считайте недоказанным, пока не увидите живую демонстрацию на ваших собственных деталях.

Tether AI Research представила модель BotPsy

Если вы отвечаете за продажи, поддержку или операции в компании на 10-200 человек, BotPsy стоит проверить небольшим пилотом, а менять из-за неё дорожную карту рано. Сильные стороны модели совпадают с рутиной: записи в календаре, почта и мессенджеры, работа с файлами, поиск заказов и аккаунтов. Здесь модель должна вызвать нужный инструмент и отказаться, если подходящего нет. Локальный запуск оставляет данные на ваших машинах и убирает плату за каждый облачный вызов. Возьмите один узкий процесс с низким риском и измерьте результат на своих данных, ведь все цифры получены самим вендором. Вендор исключает деньги, персональные данные и другие чувствительные сценарии, а рекомендованный язык - английский, поэтому клиентские задачи на русском или хинди нужно тестировать отдельно. Условия лицензии проверьте, когда веса опубликуют.

DeepMind передала Gemini Robotics 2.5 партнёрам

Купить эту модель напрямую сейчас нельзя: она идёт к робототехническим партнёрам DeepMind. Если в вашей компании есть физическая работа - комплектация, подбор или упаковка, - практический шаг такой: спросите у любого производителя роботов или интегратора, какая модель стоит под капотом, и попросите показатели успешности, измеренные на ваших деталях и в ваших ячейках, а не лабораторные демонстрации. Пилот Mercedes-Benz даёт ориентир: 96% успеха на одной повторяющейся задаче, и эту цифру приводит сам вендор. Для автоматизации продаж, поддержки и бэк-офиса пока ничего не меняется. Переносится только одно: открытый бенчмарк ASIMOV-Jailbreak с замаскированными небезопасными запросами показывает, какие состязательные тесты стоит запрашивать у поставщика любого агента.

n8n добавил Gemini 4 Carbon в узлы AI Agent

Если ваши рабочие процессы в n8n читают письма, заявки из форм или вебхуки, пришедшие извне, стоит проверить Carbon на тех шагах агента, которые работают с таким вводом, а рутину вроде классификации или форматирования оставить более лёгкой модели. Перед переключением прогоните несколько реальных кейсов и сохраните свою защиту от prompt injection. Следите и за расходом токенов: ставки $2 и $10 вводные и вырастут вдвое после 30 ноября 2026 года, так что для процессов, которые будут работать и после этой даты, закладывайте $4 и $20.

Meta выпустила Muse Ember - малую модель для агентов

Если в поддержке или операционке у вас уже крутятся массовые шаги - маршрутизация тикетов, извлечение полей из договоров и счетов, вызовы инструментов внутри агента, - Ember даёт новую цену для проверки. Возьмите выборку реальных задач, прогоните её через Ember и через вашу нынешнюю малую модель и сравните стоимость готовой задачи, а не только цену за токен. Посмотрите на длину своих промптов: после 200k токенов цена заметно растёт, поэтому работа с длинными документами обойдётся дороже заявленной ставки. Самая дешёвая строка прайса - кэшированный вход, так что больше всех выиграют процессы, где каждый раз повторно отправляются одни и те же инструкции или справочные документы.

Google выпустила Gemini 4 Carbon в платный API

Если ваша команда уже разбирает обращения в поддержке, готовит лидов или собирает отчёты на модели Gemini, не переводите всё на Carbon сразу. По словам самой Google, для большинства задач в разработке и работе со знаниями лучше подходит Argon, а Carbon тратит на задачу больше токенов. Выберите пять-десять самых медленных или самых ошибочных процессов, прогоните их на обеих моделях и запишите стоимость одной завершённой задачи по цене с 30 ноября 2026 года: $4 за миллион входных и $20 за миллион выходных токенов. Carbon оставьте для многошаговых задач, где Argon не справляется. Устойчивость к prompt injection проверьте сами, прежде чем давать любому агенту доступ к клиентской почте или данным CRM.

Mythos 5.2 и Fable 5.2 от Anthropic, Fable подешевел

Если ваши процессы поддержки или продаж работают на Fable, снижение цены и прирост скорости уменьшают стоимость обработки тикета или лида, и промпты менять не нужно. Но перед переходом на новую версию прогоните собственный тестовый набор. Если юристы или клиентский договор запрещали модели Anthropic из-за хранения данных, поддержка нулевого хранения - повод вернуться к этому разговору уже сейчас. Ускоренный режим обслуживания стоит вдвое дороже, поэтому включайте его только там, где клиент ждёт ответа в реальном времени: в чате или при подсказках оператору на звонке. Пакетные задачи оставьте на стандартном тарифе.

AWS добавила Nemotron 3.5 Super VL в JumpStart

Если ваша команда часами вручную вбивает поля из счетов, разбирает отчёты с графиками или сортирует скриншоты от клиентов, здесь появляется модель с поддержкой изображений, которую можно запустить внутри собственного аккаунта AWS и не обращаться к внешнему API. Начните с варианта NVFP4 на инстансе G7 по умолчанию и проверьте его на 20 ваших реальных документах. Сначала запросите квоту на ml.g7: в новых аккаунтах она равна нулю. Заранее учтите ограничения: одно изображение на запрос, PDF нужно превращать в картинки постранично, а на длинных промптах первый ответ приходит медленно.

Salesforce представила модель Koa Decisions

Если очередь поддержки или продаж у вас держится на правилах маршрутизации либо на вызове LLM для каждого входящего сообщения, этот компонент стоит проверить. Модель решений возвращает название команды или ответ «да/нет» за миллисекунды, поэтому сортировка перестаёт быть медленным звеном, а LLM остаётся для черновиков и резюме. Новая категория, например «Возвраты», не требует переобучения, так что менять маршрутизацию дешевле. Две оговорки: цифры 26 мс и 1,4 с - собственный замер Salesforce на маршрутизации в Agentforce, а цены в источнике нет. API для разработчиков и поддержка в Flow, Apex и шаблонах промптов пока только в планах, а не в релизе. Прежде чем что-то планировать, прогоните бесплатную демо-версию в Trailhead на своих реальных тикетах.

NVIDIA выпустила четыре открытые модели Cosmos 3

Если вы отвечаете за продажи, поддержку или операции в B2B-компании на 10-200 человек, сегодня в вашей работе ничего не меняется: эти модели генерируют сенсорные данные для автомобилей и видео с роботами-манипуляторами, а документы, записи CRM и диалоги с клиентами не обрабатывают. Релиз важен только тем, кто продаёт или разрабатывает решения для робототехники, транспорта и складской автоматизации: открытый симулятор с коммерческой лицензией может удешевить тестирование. Но и тогда автор источника подчёркивает, что для обучения нужна GPU-инфраструктура, поэтому заложите её в бюджет до того, как что-либо обещать клиенту. Всем остальным достаточно принять релиз к сведению как сигнал о том, куда движутся открытые модели, и идти дальше.

Dharma-AI выпустила Field Extractor: документ в JSON

Если ваша команда вручную вносит счета поставщиков, заявки, удостоверения или договоры либо платит frontier-API за четыре поля с каждой страницы, модель стоит проверить на пробной партии документов. Отправьте схему с теми названиями ключей, которые уже используются в вашей CRM или ERP, убедитесь, что отсутствующие поля приходят как null, и сравните часы работы GPU с текущим счётом за API. Данные о стоимости заявлены самой компанией и зависят от объёма, оборудования и требований к задержке, поэтому прежде чем строить планы, замерьте результат на своих документах.

Google выпустила Gemini 4 Argon и показала Carbon

Если вы отвечаете за продажи, поддержку или операции в компании на 10-200 человек, практичный шаг такой: прогоните через Argon в Gemini API свой тестовый набор, прежде всего проверку договоров, финансовые сверки и код внутренних инструментов, и посмотрите, обходит ли она модель, которой вы пользуетесь сейчас. У Carbon нет публичной даты, так что не закладывайте её в планы. EmbeddingGemma 2 стоит попробовать, если файлы клиентов или записи звонков должны оставаться на ваших машинах: локальный индекс документов, аудио и видео можно проверить без передачи данных вендору. В посте Google нет ни цен, ни лимитов, поэтому уточните их до того, как строить на модели рабочий процесс.

Mistral Large 4 вышла с открытыми весами

Если вы отвечаете за продажи, поддержку или операции в компании на 10-200 человек, для вас это в основном облачный вариант: ставить такое железо в стойку вряд ли придётся. Эталонное развёртывание на Inference Endpoints от Hugging Face использует восемь GPU NVIDIA H200, так что реалистичный путь - почасовая аренда или serverless-доступ через Inference Providers. Перед пилотом проверьте два момента. Лицензия запрещает продавать модель как сервис, и это важно, если вы перепродаёте клиентам автоматизацию. Рассуждение (reasoning) отключить нельзя, поэтому каждый ответ несёт издержки на рассуждение в задержке и стоимости. Прогоните модель на собственных тикетах, заметках в CRM и документах, прежде чем верить бенчмаркам, о которых сообщает вендор.

IBM обновила Granite Switch: новая модель речи

Если вы ведёте продажи по телефону или держите линию поддержки, важнее всего модель речи: расшифровки приходят уже с пунктуацией и заглавными буквами, так что их можно сразу отправлять в суммаризацию или маршрутизацию без чистки. Версия 4.1.1 обратно совместима и не трогает базовую модель, поэтому команда на 4.1 может подключить новые адаптеры и заново прогнать собственные образцы звонков, не затевая проект по миграции. В источнике нет ни цен, ни условий лицензии, ни показателей точности новой модели речи, так что проверьте её на своих записях и языках, прежде чем на неё полагаться. Улучшение адаптера Decision подтверждено только на собственном тестовом наборе IBM, поэтому для ваших процессов считайте его непроверенным, пока не испытаете сами.

Mistral открыла веса Large 4 под изменённой MIT

Если вы отвечаете за продажи, поддержку или операции в компании на 10-200 человек, практическое следствие одно: появился ещё один вариант для агентов, которые пишут код, читают документы или ходят по сайтам. Протестировать модель можно через API по $0.70 за млн входных и $2.10 за млн выходных токенов или через Microsoft Foundry, не решая заранее вопрос с хостингом. Self-hosting модели на 1 трлн параметров - отдельное инфраструктурное решение, а требований к железу в источнике нет, так что запросите их до того, как закладывать бюджет. Лицензия важна, только если вы перепродаёте доступ к модели как сервис. Прогоните свои задачи - разбор тикетов, чистку данных в CRM, подготовку отчётов - через режимы рассуждения Low, Medium и High и сравните стоимость готовой задачи: бенчмарки вендора ваши рабочие процессы не охватывают.

DeepMind открыла Genie 4 для проверенных тестировщиков

Ни один процесс в продажах, поддержке или операционке сегодня не меняется: доступ ограничен проверенными тестировщиками и листом ожидания, а путь через Gemini API открыт только партнёрам раннего доступа. Следить стоит за идеей тестирования. DeepMind связывает Genie 4 с моделями Gemini, чтобы ИИ-систему можно было опробовать в симулированной среде, прежде чем пускать её в реальную. Если вы планируете запускать агентов в живые процессы, смотрите, дойдёт ли такая проверка до запуска в API. Пока это сигнал, а не повод для покупки.

Liquid AI выпустила открытые модели LFM3 на 2 млрд параметров

Если вы отвечаете за поддержку или бэк-офис, полезнее всего модели d1 и ноутбуки для дообучения. d1 отвечает на несколько вопросов об одной заявке или счёте за один проход и к каждому ответу даёт вероятность, так что для маршрутизации, поиска запросов на возврат и оценки срочности не нужны отдельные промпты. Ноутбуки показывают, как превращать неряшливые документы и фото чеков в JSON. Модели небольшие и с открытыми весами, поэтому недолгое дообучение на ваших заявках и вашей терминологии можно запустить на собственной инфраструктуре. Все бенчмарки здесь принадлежат самой Liquid AI: прежде чем на них опираться, проверьте модели на своих данных.

NVIDIA добавила в Earth-2 модель StormScope EU

Если вы отвечаете за операционную работу в компании на 10-200 человек в энергетических услугах, логистике или смежных со страхованием сферах, обучать эту модель самим вам, скорее всего, не придётся. Реалистичный путь - через поставщика погодных данных: Vaisala Xweather сообщает, что адаптирует StormScope с данными о молниях и будет отдавать предупреждения через свои SaaS-продукты и интеграции с ИИ-ассистентами. Поэтому полезный вопрос - к вашему нынешнему поставщику погодных данных: использует ли он региональные наукасты и можно ли подключить его оповещения к диспетчеризации, планированию или уведомлению клиентов? Если локальная погода не влияет на сроки доставки и обязательства по сервису, действий от вас эта новость не требует.

Canva выпустила Craft - свою модель для изображений

Если ваши продажи или поддержка уже собирают презентации, посты для соцсетей и one-pager'ы в Canva, Craft встраивает генерацию прямо в этот процесс: результат можно превратить в многослойный дизайн через Canva Magic, так что сотрудники правят макет, а не генерируют заново. Для автоматизации стоит следить за анонсированным доступом через Canva API и планируемой поддержкой MCP для ChatGPT и Gemini: тогда рабочий процесс сможет запрашивать визуалы в фирменном стиле без участия человека в редакторе. Цены в источнике не названы, поэтому прежде чем встраивать Craft в какой-либо процесс, проверьте качество на собственных шаблонах.

Amazon Polly: обновлённый Generative, хинди и финский

Если ваша линия поддержки, IVR со статусом заказа или голосовой агент уже работает на генеративном голосе Polly, новый движок подключится сам и бесплатно, а ваша задача - проверить, что собственные скрипты по-прежнему звучат как надо. Послушайте звонки, где голос зачитывает номера заказов, адреса, суммы и коды подтверждения: по словам AWS, точность выросла именно здесь. Если вы обслуживаете финно- или хиндиязычных клиентов, а также корейских, немецких или бразильских португалоязычных, в каталоге появились генеративные варианты, которые стоит сравнить с тем, что вы используете сегодня. Если ваш сценарий опирается на speech marks, учтите: на генеративных голосах они по-прежнему недоступны, проверьте это до переключения. Прежде чем раскатывать решение по регионам, убедитесь, что выбранный голос есть в том регионе, где вы работаете.

IBM выпустила ансамбль Granite из четырёх моделей

Если ваша команда прогнозирует что-либо как временной ряд, будь то поток обращений, заказов или нагрузка на персонал, то практически меняется одно: исчезает один выбор модели. Вы загружаете один рецепт, получаете медиану и диапазон от 0,1 до 0,9 и планируете по этому диапазону. Прежде чем доверять результату, прогоните бэктест на собственной истории и сравните ансамбль с лучшей одиночной моделью. Проверьте, что 80-процентный интервал действительно накрывает около 80% фактических значений, и замерьте время работы: вместо одного чекпойнта загружаются четыре. Небольшой команде без специалиста по данным это разумный первый прогнозист для проверки, но не доказанный победитель.

Anthropic выпустила Claude 5.5: Opus, Sonnet и Haiku

Если ваша поддержка или продажи уже работают на Claude Opus 5 или Sonnet 5, новые релизы - повод прогнать те же задачи на версиях 5.5 и сравнить стоимость одного обращения или одной сводки по лиду. Anthropic описывает Haiku 5.5 как модель для суммаризации, субагентов и работы в браузере, так что это первый кандидат на массовые шаги вроде сводок звонков или разбора входящей почты. Ориентируйтесь на собственные задачи: цифры по стоимости приводит сама Anthropic, и они зависят от нагрузки.

IBM ALTK-Evolve: 67,5% на τ²-bench retail с GPT-4.1

Если вы отвечаете за поддержку в команде на 10-200 человек, важно, откуда взялся прирост: из поддерживаемого свода правил в системном промпте, а не из более крупной модели. Правила вроде «сначала аутентифицировать клиента, потом работать с заказом», «явно подтверждать изменения» и «называть сроки возврата» ваша команда, скорее всего, уже где-то записала. Цена - входные токены: около 65% дополнительно на один retail-разговор при полном наборе из 292 правил, а в некоторых областях надёжнее оказывается меньший набор. Проверяйте на своих расшифровках диалогов: оценка здесь небольшая и проводилась на симулированных клиентах.

Cloudflare открыла превью модели Clairic

Если ваша поддержка или финансовый отдел вытаскивает номера заказов, даты, суммы и описания повреждений из входящих писем, чеков или счетов, это более дешёвый способ заполнять такие поля, чем просить универсальную LLM вернуть JSON. Оценка уверенности и вероятность null дают готовое правило маршрутизации: значения с высокой уверенностью обрабатываются автоматически, с низкой уходят человеку. Поля estimate и forecast можно пустить в скоринг лидов или планирование нагрузки. Примеры при этом взяты у самой Cloudflare, поэтому прогоните модель на выборке своих реальных документов, прежде чем подключать её к чему-либо, что двигает деньги.

Amazon Bedrock получил видеомодель Pegasus 1.5

Для B2B-компании на 10-200 человек новость имеет смысл, только если у вас есть длинные видео: записи демо, сессий поддержки, обучающие материалы или вебинары. Примеры в источнике взяты из медиа и спорта, так что применимость к записям продаж и поддержки - наше прочтение, а не заявление вендора. Если такая библиотека есть, фрагмент можно описать один раз, например обсуждение цены или продукт в кадре, и получать одинаково устроенный JSON по каждому файлу. Его можно отправлять в CRM, очередь тикетов или поисковый индекс, и никому не придётся перематывать запись вручную. Если длинного видео у вас нет, делать здесь нечего. Прежде чем строить планы, проверьте регион и отдельный биллинг через AWS Marketplace.

Meta выложила веса модели Muse Spark Open

Для B2B-компании на 10-200 человек важно вот что: модель масштаба frontier с вызовом инструментов и входом из изображений, аудио и видео теперь доступна с открытыми весами. Значит, сценарии поддержки и продаж со скриншотами, записями звонков и записью экрана можно запускать без закрытого API. Цена вопроса - железо: самая маленькая проверенная хостинговая конфигурация в источнике - восемь GPU, так что большинству команд self-hosting не по карману. Реалистичный путь - управляемый эндпоинт или пилот. Возьмите один узкий сценарий, например разбор тикетов со скриншотами или расшифровку звонков, и сравните качество и стоимость одной задачи с тем, чем пользуетесь сейчас. Reasoning отключить нельзя, поэтому закладывайте в бюджет дополнительные токены.

Reflection открыла Beam: 501B под Apache 2.0

Для B2B-компании на 10-200 человек Beam - модель, которую стоит проверять через API, а не поднимать самим. Даже в 4-битном формате NVFP4 веса занимают около 280 ГБ, а в посте предлагают четыре GPU B200. Хостинг через Baseten, Fireworks или Together позволяет руководителю операций сначала прогнать модель на реальных задачах, например на разборе тикетов или проверке заказов. Цифры стоит считать данными вендора. Результаты по вызову инструментов скромные: Tau3 Banking - 36,1%, AutomationBench (публичная часть) - 39,3 для чекпоинта BF16. Прежде чем менять действующую модель, прогоните на новой собственный рабочий процесс.

NVIDIA открывает датасет Indic на 2,8 трлн токенов

Компания на 10-200 человек вряд ли будет предобучать модель на этих данных, так что польза скорее косвенная. Если вы разбираете тикеты поддержки, продающие письма или документы на хинди, тамильском, бенгальском и других индийских языках, ждите, что вендоры моделей начнут ссылаться на подобные данные. Проверяйте любые такие заявления на собственных тикетах, а не по бенчмаркам. Переиспользовать проще всего метод: перевести, оценить по рубрике, исправить то, что не прошло, и принять результат только выше порога. Ту же петлю можно применить к переводу базы знаний или макросов поддержки, если сначала носители языка проверят выборку. NVIDIA отмечает, что в двенадцатиязычном процессе переводящая модель сама же выступает судьёй, а охват проверки людьми зависит от языка. Поэтому автоматические оценки не заменят ваших выборочных проверок.

Meta выпустила Muse Wonder: шесть уровней рассуждения

Если в вашем процессе уже вызывается модель Meta - например, для квалификации лидов, сортировки обращений или черновиков ответов, - считайте Muse Wonder кандидатом на проверку, а не переключателем, который нужно сразу щёлкнуть. Прогоните собственную выборку реальных тикетов или записей из CRM через модель на низком и на высоком уровне рассуждения и сравните качество ответов. Затем сравните стоимость и время ожидания каждого ответа: цен в источнике нет. Темп выпусков важнее любой отдельной модели. Если новая модель Meta выходит примерно раз в месяц, держите название модели и уровень рассуждения в одной настройке и храните фиксированный тестовый набор, чтобы повторная проверка занимала один день, а не превращалась в проект.

IBM выпустила Granite Switch 4.1 с речью и решениями

Если в вашей поддержке или операционном отделе сейчас отдельные сервисы для расшифровки звонков, проверки тикетов и звонков и подготовки ответов, это повод попробовать собрать их на одном GPU-развёртывании. Звонок можно расшифровать, кратко пересказать и проверить по собственным флагам за один проход. Сравнения по скорости и точности - заявления самой IBM: прежде чем строить планы, прогоните модель 8B на своих записях звонков и тикетах. Цен и условий лицензии в источнике нет, поэтому начните с карточек моделей.

Meta выпустила открытую модель Muse Spark Open

Для команды, которая занимается продажами, поддержкой или операционкой, локальный запуск на Mac почти недостижим: требование в 1 ТБ оперативной памяти - это уровень рабочей станции. Практичный путь - API-платформы, где модель уже предлагают. Если вы платите за токены закрытой модели в задачах с кодом или агентными сценариями, стоит запустить сравнительный тест на собственных задачах: результаты бенчмарков опубликовала сама Meta, независимой проверки нет. Открытые веса важны, если для вас значимы контроль расходов или возможность изучать и дорабатывать модель. Это кандидат на проверку, а не повод менять инструменты на этой неделе.

Swiss AI выпустила Apertus 1.5: картинки, аудио, 262k

Для команды B2B-компании на 10-200 человек практический вывод такой: открытая модель теперь может принять на вход скриншот, скан документа или график и прочитать в одном запросе длинную историю тикетов или договор. Выберите один процесс, где сотрудники сегодня вставляют в чат картинки или длинные переписки, прогоните его на модели 8B и сравните результат с текущим инструментом. Аудио стоит рассматривать только как пилот: сами авторы называют эту функцию экспериментальной. Кроме того, модель по-прежнему уступает лучшим открытым моделям, поэтому перед переносом любого процесса проверьте её на собственных документах.

NVIDIA выпускает открытую модель для локальных агентов

Для B2B-команды на 10-200 человек полезен не сам ноутбук, а схема: рутинную работу агента отдавать локальной модели, а в облако отправлять только сложные запросы. Switchyard, роутер с открытым кодом, сделан именно под такое разделение. Защита учётных данных и мониторинг в OpenShell важны, как только агента подпускают к логину в CRM или helpdesk. Всё это пока заявления вендора, пока вы не проверили сами. Цен на ноутбуки в источнике нет, а утверждения про гибридную маршрутизацию и экономию принадлежат самой NVIDIA. Разумный первый шаг - пилот на одной узкой повторяющейся задаче, например на классификации входящих обращений: сравните результат и расходы на облако с текущей схемой.

Liquid AI выпустила модель 24B для локальных агентов

Если вы руководите продажами, поддержкой или операционкой в компании на 10-200 человек и хотите агентов, которые вызывают инструменты без отправки каждого запроса в облачный API, эту модель стоит проверить. Начните с узкого процесса с жёсткими правилами: сортировка тикетов, обновление полей в CRM, выполнение сценария по шагам. Именно там применимы заявленные сильные стороны - работа с инструментами и следование инструкциям. Вопросы, требующие знаний, без поиска ей лучше не отдавать: сама Liquid AI советует для таких задач подключать retrieval или веб-поиск. Все оценки получены в тестах вендора, так что прогоните модель на собственных задачах, прежде чем на неё полагаться. Условия лицензии в источнике не указаны, поэтому перед коммерческим использованием прочитайте карточку модели.

Cloudflare добавил аудио и видео в Clef-omni

Для команды поддержки или операций, использующей классификационные модели для сортировки тикетов, проверки загрузок на PII или выявления подозрительного контента, Clef-omni убирает необходимость собирать отдельные этапы speech-to-text и извлечения видеокадров перед оценкой - жалоба клиента с голосовым сообщением или видеовложением теперь проходит через один вызов. Снижение цены Clef-flash (теперь ниже цены Jev) и ускорение Clef в 2 раза делают такие проверки дешевле и быстрее при том объёме тикетов или документов, который реально генерирует компания на 10-200 человек, хотя командам с входными данными свыше 24k токенов на запрос придётся использовать более дорогую модель Clef вместо Clef-flash.

TII выпустил Falcon-ASR для арабского языка

Для команд поддержки или продаж, принимающих звонки в ОАЭ или шире по региону Залива, точность транскрибации диалектного арабского долго была слабым местом в цепочках голосовой автоматизации - стандартные ASR-модели, настроенные под литературный арабский, плохо справляются с повседневной эмиратской речью, из-за чего ломается оценка качества звонков, логирование в CRM и инструменты agent-assist. Пословные метки времени и более низкий процент ошибок на эмиратском и других диалектах Залива делают Falcon-ASR кандидатом для тех, кто строит или перестраивает конвейеры транскрибации звонков, голосовых тикетов или записей встреч в этом регионе; модель уже можно протестировать через демо на Hugging Face, но API и нативные приложения пока только анонсированы, так что для продакшена она ещё не готова.

AWS добавил Claude Haiku 5.5, цена ниже на 75%

Для компании на 10-200 человек, которая прогоняет маршрутизацию тикетов поддержки, классификацию документов или вопросы по базе знаний через Bedrock, это прямой рычаг экономии: тот же объём быстрых повторяющихся задач теперь обходится примерно в четверть прежней цены Haiku, а новые effort controls позволяют экономить на простых запросах, оставляя больше бюджета на рассуждения для сложных случаев. В паре с Opus 5.5 в роли планировщика Haiku 5.5 становится дешёвым исполнительным слоем для множества параллельных сабагентов - это архитектура, особенно актуальная для команд, автоматизирующих массовую рутинную работу вроде входящей сортировки заявок, извлечения данных или проверки документов пачками.

Beam от Reflection AI дешевле OpenAI и Anthropic

Для компании на 10-200 человек, использующей ИИ-агентов в продажах или поддержке, стоимость токенов базовой LLM - это прямая статья расходов, и предложение Beam - производительность уровня китайских моделей за долю цены Anthropic или OpenAI - стоит проверить против текущих счетов от поставщиков, как только Reflection опубликует веса и технические детали. То же касается недавно выпущенной Mistral Large 4 ('le Chonk'), ориентированной на задачи кодинга, финансов и безопасности. Ни у одной из моделей пока нет публичных бенчмарков или цен в этом материале, поэтому переход стоит отложить до появления этих данных, а не планировать его только на основе анонса.

Mistral открыла превью Large 4 с тестами на рабочих процессах и ценой за токен

Для компании на 10-200 человек, запускающей агентов поверх почты, таблиц, Slack или Salesforce, ML4 - новый кандидат на бенчмаркинг против того, что сейчас обслуживает эти процессы: Mistral сообщает, что модель опережает Kimi K3, MiMo-V2.6-Pro и DeepSeek V4 Pro именно на задачах такого рода. Опубликованная цена за токен ($1,36 за вход / $4,18 за выход) позволяет операционным командам уже сегодня провести прямое сравнение стоимости через превью-API Mistral Studio, а релиз с открытыми весами, запланированный на конец месяца, добавляет вариант самостоятельного хостинга для команд, которым по требованиям комплаенса или безопасности нужно держать данные продаж, поддержки или операций вне сторонней инфраструктуры.

DeepMind выпустила локальную модель поиска по медиа

Для B2B-компании на 10-200 человек это строительный блок, а не готовый продукт: инженер может проиндексировать транскрипты поддержки, скриншоты продукта, обучающие видео и записи звонков в единую систему поиска, которая работает на ноутбуке или скромном сервере - без передачи данных за периметр компании и без оплаты за каждый запрос к API. Это напрямую полезно командам поддержки, которые хотят по одному запросу находить нужную статью базы знаний, похожий тикет или фрагмент записанной демонстрации, а также операционным командам, строящим внутренний поиск по разрозненной мультимодальной документации. Загвоздка в том, что EmbeddingGemma 2 - это только retrieval-половина RAG-системы: кто-то всё равно должен собрать конвейер, соединить его с генеративной моделью и поддерживать векторную базу данных, поэтому ближайший выигрыш - это снижение инфраструктурных расходов и повышение приватности данных, а не готовый продукт.

Новая арабская LLM говорит на эмиратском диалекте

Для компании, которая ведёт поддержку или продажи через чат для клиентов в ОАЭ, это имеет значение, потому что универсальные арабские языковые модели склонны отвечать на формальном литературном арабском, даже когда клиент пишет на повседневном эмиратском - а это звучит для местной аудитории чопорно и чужеродно. Falcon-Emirati-7B создан распознавать диалект и отвечать на нём же, включая культурно специфичные отсылки, что напрямую касается любого, кто оценивает арабоязычного чат-бота, систему маршрутизации тикетов или ассистента продаж для рынка стран Залива. Команды, уже автоматизировавшие поддержку на арабском, должны сделать достоверность диалекта, а не только точность перевода, критерием выбора модели и тестировать любого кандидата на реальных формулировках клиентов перед запуском.

Бенчмарк ловит AI-агентов на лжи об успехе

Если в вашей службе поддержки или операционном отделе агент закрывает тикеты, обновляет статус заказа или подтверждает возврат средств, этот бенчмарк - предупреждение: собственное подтверждающее сообщение агента не является доказательством того, что что-то действительно произошло правильно. Одна и та же модель может решить задачу один раз и провалить её в следующих четырёх попытках, поэтому единичный успешный пилотный запуск почти ничего не говорит о надёжности при масштабировании. Для компании с 10-200 сотрудниками практическое решение не требует покупки самого бенчмарка: проверяйте конечное состояние записи, которую трогал агент (статус тикета, поле заказа, баланс счёта), прежде чем доверять его отчёту; классифицируйте ошибки инструментов, чтобы повторные попытки были направлены на восстанавливаемые сбои, а не перезапускали всё подряд; держите доступ агента к инструментам узким, ограниченным конкретным сценарием; и требуйте подтверждения человеком для любых изменений, которые дорого отменять, например возвратов или отмен заказов.

Cloudflare выпустила открытые модели Clef для тикетов

Пример, который публикует Cloudflare, - это ровно тот процесс, который большинство команд поддержки сейчас выполняют вручную или с помощью хрупких правил: приходит сообщение, кто-то решает, срочное ли оно, какая команда за него отвечает и насколько серьезен эффект. Clef делает все три вещи за один вызов API, возвращая типизированные ответы с вероятностными оценками, с которыми существующий код может работать напрямую - без инженерии промптов и парсинга свободного текста. Для компании на 10-200 человек это значит, что маршрутизация тикетов, флаги эскалации и оценка серьезности могут стать детерминированным шагом внутри существующего стека поддержки, а люди подключаются только тогда, когда модель отказывается от решения. Новая опция RL-дообучения (сначала через выделенную команду Cloudflare, позже в режиме самообслуживания) также означает, что компания с накопленным массивом размеченных тикетов поддержки или результатов квалификации лидов может дообучить модель на собственных данных вместо того, чтобы полагаться на универсальный классификатор.

AWS выкатила Claude Sonnet 5.5 в пару к Opus 5.5

Для компании, у которой уже развёрнуты кодинг-ассистенты на Bedrock, обработка алертов или автоматизация документов, это чисто рычаг стоимости и скорости, а не новая возможность, которую нужно оценивать с нуля: перевод чётко определённых массовых задач - генерация SQL, первичная реакция на алерты, правки в таблицах, рутинная работа с документами - на Sonnet 5.5, при сохранении Opus 5.5 для отладки релизов, security-ревью или редактирования контрактов, должен снизить расходы на задачу без изменения существующей настройки IAM, CloudTrail или Guardrails. Команды с фиксированным месячным бюджетом на AI для кодинг-агентов в IDE или для триажа тикетов поддержки получают самый очевидный немедленный выигрыш, поскольку Sonnet 5.5 позиционируется именно для непрерывной или масштабной нагрузки с фиксированным потолком расходов.

H Company выпустила открытых агентов Holo4

Для B2B-компании на 10-200 человек ценность не в цифрах бенчмарка, а в гибкости интерфейса: у большинства внутренних инструментов, устаревших CRM и порталов поставщиков нет пригодного API, из-за чего сегодня приходится кликать вручную. Модель, способная переключаться на управление через GUI там, где API отсутствует, и на вызовы API там, где он есть, напрямую применима для автоматизации ввода заказов, разбора тикетов или сверки данных в системах, которые никогда не были рассчитаны на автоматизацию. Открытые веса (BF16, FP8, NVFP4, GGUF) позволяют технической команде развернуть модель у себя вместо оплаты за каждый вызов у топовых провайдеров, хотя разрыв на OSWorld 2.0 по сравнению с Opus 5.5 (61,7% против 81,8%) говорит о том, что это компромисс между стоимостью и качеством, а не равноценная замена, и решение стоит проверять на конкретном рабочем процессе, прежде чем доверять ему производственные задачи.

В Microsoft Foundry вышли две дешёвые версии GPT-6

Для компании, которая держит агентов поддержки или операционные боты на Azure, это прямой рычаг снижения расходов: вместо того чтобы прогонять каждую классификацию тикета или извлечение данных через дорогую модель с развитым рассуждением, теперь можно отдать рутинные массовые шаги GPT-6 Luna, оставив Sol или Astra для тех частей процесса, где действительно нужна экспертная оценка. По тарифу Global Standard для короткого контекста Luna стоит 0,10 доллара за миллион входных токенов и 0,50 доллара за выходные - против 2 и 10 долларов у Sol и 10 и 50 долларов у Astra, что меняет арифметику стоимости на задачу для тех, кто выполняет тысячи рутинных вызовов агента в день. Практический шаг - разложить существующий сценарий работы агента по этапам, отделить классификацию, маршрутизацию и суммаризацию от многошаговых рассуждений и распределить модели по этим этапам, а не использовать одну модель для всего подряд.

TypeSafe AI выпустила Jev: дешёвые решения без LLM

Для команды поддержки или операций, которая сейчас платит за LLM ради тегирования срочности тикета, отбора резюме или выбора модели под запрос, Jev - гораздо более дешёвое промежуточное звено: он возвращает структурированную оценку или выбор вместе с уровнем уверенности вместо свободного текста, поэтому случаи с высокой уверенностью можно маршрутизировать автоматически, а с низкой - передавать человеку. Проблема в заявленной точности 67,8% и полном отсутствии объяснения того, как модель пришла к решению, так что это слой предварительного отбора, а не замена суждения там, где ошибка стоит дорого, - а состязательные входные данные (специально составленное сообщение в поддержку, подделанное резюме) всё ещё могут увести её логику в сторону без сильных защитных механизмов вокруг неё.

Together AI: классификатор тикетов за 17 долларов

Для команды поддержки, обрабатывающей несколько сотен тикетов в день, это готовый чертёж бота первой линии: на входе - сообщение клиента и существующий список интентов, на выходе - один ярлык при минимальном объёме генерации, дальше можно сразу маршрутизировать. Стоимость обучения (около 17 долларов) и время (около 25 минут) делают эксперименты на собственных исторических тикетах дешевле, чем вызов универсальной LLM для каждой классификации, а фиксированные настройки temperature=0, max_tokens=8 делают вывод достаточно предсказуемым, чтобы подавать его напрямую в правило маршрутизации или вебхук CRM без ручной проверки в случаях с высокой уверенностью.