Здраво на ентузијастите! Добредојдовте на 25-тото издание на ! "This Week in AI Engineering" Оваа недела, OpenAI го проширува својот API со нови Deep Research и Webhooks модули, Google го пушти Gemma 3n за мултимодална употреба на уреди со ниски ресурси, а Gemini CLI го погоди терминалот. Во меѓувреме, Sakana.ai претстави нова рамка за размислување преку наставнички модели базирани на засилување, Хигсфилд фрли неверојатен нов естетски модел наречен Soul, а FLUX.1 Kontext девелот објави уредник на слики кој се натпреварува со сопствени алатки. Како и секогаш, ние ќе ги обвиваме работите со алатки и изданија под радар кои заслужуваат вашето внимание. Higgsfield Soul: The Most Aesthetic AI Photo Model е најновиот фото-само модел од Higgsfield.ai, и тоа е обучен специјално да го погоди надвор од кутијата. Soul magazine-level visual quality AestheticNet Performance 
 
 
 95-ти процентен резултат на внатрешните бенчмаркови на AestheticNet за текстура, осветлување и верност на боите. Curated Presets: 50+ модни стилови, од “Quiet Luxury” до “Y2K Retro” Technical Highlights 
 
 
 Photo-Only Focus: За разлика од генералистичките модели за дифузија, Soul е ласерски прилагоден за слики. Прецизно сликање: Задржува карактеристики на лицето и фини детали во различни пози и осветлување. Artistic Control 
 
 Пресетување библиотека: Едно кликнување апликација на уреднички изгледи.Фине-тонирање слајдови: Прилагодување на контраст, зрно, заситеност со бои и расположение. Key Use Cases 
 
 
 
 : Rapid generation of campaign stills with consistent branding. Fashion & Advertising Портретни услуги: Професионални фотосесии на барање и аватари на социјалните медиуми. Е-трговија: Фотографија на производи со конзистентно осветлување од студио ниво. FLUX.1 Kontext [dev]: Open Weights, Proprietary-Level Image Editing , развиена под FLUX.1, сега е достапна како што обезбедува можности за уредување на слики споредливи со врвните сопствени алатки. Kontext open weights model Model Specs & Open Weights 
 
 
 12B параметри: Оптимизирани за локални и глобални уреди. Отворена некомерцијална лиценца: Тегови на прегратка со поддршка за ComfyUI, Дифузери и TensorRT. Editing Capabilities 
 
 
 
 Iterative In-Context Edits: Модифицирајте ги сликите чекор по чекор без дрифт. Зачувување на карактерот: го задржува идентитетот на субјектот во повеќе уреди. Двојна кондиција: Повици за текст + слика за прецизна контрола. Benchmark Results 
 
 
 KontextBench: Надминува отворени модели (на пример, Bagel, HiDream-E1) и затворени системи (Gemini-Flash Image) на тестови за човечки преференции. Оптимизирани варијанти: BF16, FP8, FP4 TensorRT опции за брзина-квалитетни компромиси. Integration & Variants 
 
 
 Dev: Целосно отворен код, истражување-фокусиран. Про & Макс: Комерцијални нивоа кои нудат побрзи рендери (3-5 секунди), напредна типографија и корпоративни СЛА. Key Use Cases 
 
 
 
 Креативни алатки: Вградете уредување на студио ниво во веб и десктоп апликации. Брзо прототипирање: Дизајнерите можат да тестираат визуелни концепти на потрошувачки хардвер. Академски истражувања: Проучување на споредба на протокот и итеративно уредување без бариери за лиценцирање. За програмерите кои градат креативни алатки, Kontext обезбедува транспарентен, прилагодлив основен модел без ограничувања за лиценцирање. This Might Change LLMs Forever Sakana.ai предложи нова архитектура: , кој го свртува традиционалниот метод на фино прилагодување на главата. Reinforcement Learning Teachers of Test Time Scaling Learning‑to‑Teach Framework 
 
 
 : RLTs receive both the problem and its solution, focusing on crafting clear, step‑by‑step explanations. Prompted with Question + Answer Награди насочени кон јасност: Наставниците се наградуваат врз основа на тоа колку добро студентот LLM ја интернализира лекцијата, мерена преку веројатноста за учење на учениците. Training Process 
 
 
 Густи сигнали за награда: Континуираната повратна информација од перформансите на учениците овозможува ефикасна RL на 7 B параметар наставнички модели. Distillation-Ready Outputs: Објаснувањата директно служат како податоци за обука за следниот модел на студентите. Performance Benchmarks 
 
 
 Задачи на конкуренцијата: RLTs дестилирани во студенти кои ги надминуваат цевките со користење на големи LMs. Zero-Shot генерализација: Ја одржува ефикасноста на размислување за бенчмаркови надвор од дистрибуцијата без дополнително прилагодување. Key Applications 
 
 
 
 Трошочно-ефикасно размислување: Изградете високо ефикасни асистенти за размислување без огромни трошоци за пресметка или преквалификација. Наставна програма за учење: Автоматизирано генерирање на наставни материјали за специјализирани домени. On-Demand Fine-Tuning: Брзо прилагодување на моделите на учениците за нови задачи со замена на различни RLT наставници. Тоа е уште рано истражување, но ова би можело да биде breakthrough for cheaper, more scalable logic-intensive systems. OpenAI API Adds Deep Research & Webhooks Отворени само додаде за да го изгорат огнот, и , отклучување на сосема нов слој на интелигенција и интерактивност за апликации базирани на агенти. two powerful capabilities Deep Research Webhooks Deep Research Models 
 
 
 o3-deep-research & o4-mini-deep-research: Овие модели се синтетизираат низ стотици веб извори, враќајќи структурирани, цитирани извештаи наместо фрагменти. Автономно размислување во повеќе фази: Агентите сега можат да иницираат длабоко нуркање на комплексни теми, истражување на пазарот, технички прегледи, академски истражувања, директно од кодот. Pricing & Performance 
 
 
 
 o3 Цена: $ 10 за 1M влез токени, $ 40 за 1M излез токени. o4‐mini Цена: $ 2 за 1M влезни токени, $ 8 за 1M излезни токени. Латентност и веродостојност: Дизајниран за извршување во позадина, спојување на Deep Research со Webhooks за да се избегнат временски прекини и проблеми со мрежата. Webhooks 
 
 
 Работни текови насочени кон настани: Примате повратни повици кога долгорочни задачи (на пример, длабоки истражувачки задачи) се завршуваат, што ја елиминира потребата за гласање. Безбедно и скалабилно: Поддржува автентични крајни точки и структурирани корисни оптоварувања, идеални за серијална обработка, CI / CD цевки или CRM тригери. Key Use Cases 
 
 
 
 Автоматизирана конкурентна анализа: агенти кои ги следат и известуваат за нови Истражувачки асистенти: Изградете работни процеси кои автоматски генерираат прегледи на литературата или технички ревизии. Интеграции на претпријатија: Поврзете се со системи за билетирање или табла за длабоко нуркање на побарувачка. Together, these tools shift OpenAI’s API toward  И тоа не само со статички поттик. dynamic, live agent ecosystems Google Releases Gemma 3n: Light, Open, Multimodal Google официјално се откажа , најновиот влез во својата лесна отворена моделска фамилија, изградена врз основа на истите основни истражувања како и Gemini. Gemma 3n Model Architecture 
 
 
 MatFormer Backbone & PLE Caching: Параметарски ефикасни слоеви и кеши за вградување по слој го намалуваат пресметувањето и меморискиот отпечаток. E2B и E4B варијанти: Достапни во 2B и 4B параметарски големини, оптимизирани за различни компромиси на перформансите и ефикасноста. Multimodal & Multilingual 
 
 
 Типови на влез: Native поддршка за текст, слики, видео и аудио. Јазична покриеност: Претренирани на 140+ зборувани јазици за текст; 35 јазици за мултимодални задачи. Efficiency & On‑Device Performance 
 
 
 Offline Inference: работи целосно на уредот, идеален за сценарија со чувствителност на приватноста или ниска поврзаност. 2 GB RAM отпечаток: Овозможува вештачка интелигенција на паметни телефони, таблети и хардвер без зависност од облак. Key Use Cases 
 
 
 
 Мобилни асистенти: Локални чат ботови кои ги разбираат гласовите, сликите и текстуалните барања. Privacy-First Apps: здравствени или финансиски алатки каде што податоците никогаш не го напуштаат уредот. Теренски истражувања: Офлајн превод и мултимодална анализа за оддалечени области. Без разлика дали градите локални АИ асистенти, мултимодални мобилни апликации или повеќејазични разговорни интерфејси, Gemma 3n is a powerful, open alternative to proprietary multimodal giants. Gemini CLI Brings AI to the Terminal Google исто така тивко лансиран , интерфејс со команда-линија со отворен код кој ги става Близнаците директно во вашиот развој терминал. Gemini CLI Features & Integrations 
 
 
 
 Natural-Language Prompts: генерирање на код, поправки на грешки, документација, истражувачки прашања. MCP и податоци во реално време: Користење на протоколот за контекст на моделот на Google за преземање на веб-податоци во живо кога е потребно. Мултимодални екстензии: Интеграции со Imagen и Veo за генерирање на слика / видео. Performance & Limits 
 
 
 60 барања / минута и 1.000 барања / ден бесплатно (преку лиценцата Gemini Code Assist). 1 M токен контекст прозорец за комплексни, повеќе чекори повици. Developer Experience & Extensibility 
 
 
 Потполно отворен код: Истражуваат код, придонесуваат приклучоци, прошируваат функционалност. ReAct Loop: Рационална рамка за лансирање на локални алатки, скрипти и услуги во облак. Key Use Cases 
 
 
 
 Потоците на работа на терминал-прво: Намалете го префрлувањето на контекстот за програмерите кои претпочитаат школки. CI/CD Автоматизација: Скриптирана вештачка интелигенција проверува за квалитетот на кодот или оркестрацијата на задачите. Ad-hoc истражување: Брзо генерирање на содржини и пребарување на податоци без напуштање на терминалот. За инженерите уморни од менување на контекстот на интерфејсот за разговор, Gemini CLI е зголемување на продуктивноста што можете да скриптирате. Tools & Releases YOU Should Know About е средина за развој на агенти дизајнирана за забрзување на креирањето на софтвер со користење на вештачка интелигенција. Тоа ви овозможува да генерирате и оркестрирате повеќе агенти паралелно, секој од кои се занимава со специфични задачи во работниот тек на развојот. Од пишувањето на кодот на котел до дебагирање и документација, Warp 2.0 ги апстрактира сложените процеси на развој во координирани дејства на агенти, што го прави идеален за високобрзи инженеринг тимови кои сакаат да ја зголемат продуктивноста преку работните процеси на AI-native. Warp 2.0 е Асистент за развој на АИ кој ги поддржува вашите секојдневни потреби за програмирање – без разлика дали станува збор за пишување алгоритми, дебугирање на грешките во текот на времето, тестирање на кодот или одговарање на технички прашања. Gru.ai делува како неуморен програмер, помагајќи ви да се движите побрзо низ задачите за кодирање, нудејќи интелигентни, контекстуално свесни сугестии низ широк спектар на јазици и рамки. Gru.ai е агент за развој на АИ кој ви овозможува да креирате, тестирате и распоредувате комплетни апликации со минимален напор. Тој беспрекорно се интегрира со Supabase за функционалност на задната страна и нуди имплементација со еден клик преку Vercel, отстранувајќи ја потребата за рачно поставување. Без разлика дали сте прототипирање или градење на апликации подготвени за производство, GoCodeo компресира часови на инженеринг работа во минути со својата интуитивна автоматизација управувана со агенти. GoCodeo Подобрува разбирање на кодот и тимска соработка преку AI-помоштена, контекстуално чувствителна документација. Со искористување на статички анализи и автоматски генерирани објаснувања, Swimm се интегрира директно во ИДЕ како што се VSCode, JetBrains, IntelliJ и PyCharm. Тоа им помага на програмерите да се движат низ непознати бази на кодови со обезбедување на ин-линија документација која се развива со вашиот код – минимизирајќи го времето за инбордирање и намалувајќи го когнитивното оптоварување на одржувањето на техничкото знаење низ тимовите. Swimm И тоа го опфаќа ова прашање на " " This Week in AI Engineering. Бидете сигурни да го споделите овој билтен со вашите соработници ентузијасти за вештачка интелигенција и следете за повеќе неделни ажурирања. До следниот пат, среќна куќа!

Read My Stories

Ова аудио е произведено на оригиналниот јазик на приказната!

Премногу долго; Да чита

Make resilience your competitive advantage

Новиот модел на АИ ветува безумно добри естетски АИ фотографии

About Author

КОМЕНТАРИ

ВИСЕТЕ ТАГОВИ

ОВОЈ СТАТИЈА БЕШЕ ПРЕТСТАВЕН ВО

Related Stories

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps