NVIDIA запустила открытую платформу Cosmos Data Factory, позволяющую разработчикам создавать обучающие датасеты для физического ИИ — автономного транспорта, робототехники и промышленного зрения — буквально за два текстовых запроса. Инструмент автоматизирует курацию, разметку и синтетическую генерацию редких сценариев, которые раньше требовали месяцев ручной работы.
Команда ByteDance Seed представила обновленную версию видеогенеративной модели Seedance 2.5, которая создает видео и аудио в едином проходе. Платформа Seedance Bingo упаковывает модель в браузерное рабочее пространство для креативных задач.
Google запустил API Gemini Decisions на базе новой модели Gemini Decision 1, предназначенной для выбора из заранее заданных вариантов за 150–250 миллисекунд. Сервис принимает на вход текст, изображения, аудио, видео и PDF до 256 тысяч токенов и возвращает вероятности и уверенность по каждому варианту без генерации выходных токенов.
Алибаба запускает QwenWork — встроенного в DingTalk мультимодального ИИ-агента для 20 млн предприятий, в то время как ByteDance и Tencent уходят от отдельных порталов агентов в пользу интеграции в облачную инфраструктуру.
Стартап JoyoLabs представил Oraku — сервис, который превращает фотографии, текстовые промпты и шаблоны в готовые видеоролики за минуту, используя актуальные модели H3 Max и Seedance 2.5 по цене, ориентированной на массового пользователя.
Сан‑францискийская компания The Biological Computing Co. (TBC) представила первую публично доступную видеогенеративную модель, оптимизированную за счет изучения живых нейронов. Модель TBC mischief 1 работает в пять раз быстрее базовой архитектуры Wan 2.2 и стоит полцента за секунду генерации.
Контекст
Что важно в теме Мультимодальный ИИ
Мультимодальный ИИ — подрубрика DigestAI внутри направления design. Видео, аудио, голос и генеративные модели на стыке медиа. Здесь собраны новости, аналитика и практические разборы, которые помогают быстро понять, что действительно изменилось в AI-индустрии, какие заявления подтверждены источниками, а где пока есть только ранние сигналы.
Редакционный фокус раздела Мультимодальный ИИ — отделять проверяемые факты от маркетинговых формулировок. Для каждого материала важны исходный документ, дата события, качество источника, ограничения технологии и практический вывод для команд, которые принимают продуктовые, технические или управленческие решения.
В ленте Мультимодальный ИИ читатель получает не только пересказ новости. Мы показываем контекст: какие компании или исследовательские группы участвуют, какие данные опубликованы, что меняется для разработчиков, бизнеса, регуляторов или пользователей, и какие вопросы остаются открытыми до независимой проверки.
SEO-страница подрубрики нужна для устойчивой навигации по теме, поэтому текст обновляется вокруг постоянных сущностей, а не случайных ключевых слов. Важные понятия, смежные теги, источники и ограничения помогают связать материалы между собой и не превращать раздел в набор одинаковых карточек.
Для новых публикаций в Мультимодальный ИИ приоритет получают материалы с понятной пользой: чеклисты внедрения, объяснение рисков, сравнение подходов, разбор документации, обзор рынка или технический guide. Если тема касается безопасности, медицины, финансов или военных технологий, текст явно фиксирует границы и не подменяет профессиональную консультацию.
Такой подход делает Мультимодальный ИИ полноценной посадочной страницей: пользователь видит свежие материалы, может перейти в соседние подрубрики, отфильтровать тему по тегам и понять, почему конкретная новость важна именно сейчас. Раздел рассчитан на регулярное чтение, а не на одноразовый поисковый визит.