Вчера NVIDIA сделала громкое заявление: открытый Nemotron 3.5 Transcribe теперь доступен всем желающим, а его возможности выходят далеко за рамки привычного распознавания речи. По данным блога Hugging Face, модель поддерживает 40 языков, включая русский, и позволяет задавать адаптивные подсказки, что превращает её в интерактивного помощника для журналистов, исследователей и разработчиков. «Модель можно подсказывать и адаптировать», – пишут авторы публикации от 28 октября 2026 года, подчёркивая гибкость, которой не хватало в предыдущих версиях.

Nemotron 3.5 Transcribe – лишь часть более широкой линейки Nemotron 3.5, представленной в середине октября. На Хабре отмечали, что Super VL‑версия насчитывает 120 млрд параметров и способна обрабатывать миллион токенов за один запрос, а также анализировать видеопоток. Открытый доступ к такой мощности меняет правила игры: исследователи без гигантских бюджетов теперь могут экспериментировать с многоязычной транскрипцией, а стартапы получают возможность интегрировать её в свои продукты без лицензий от крупных вендоров.

Параллельно с этим Hugging Face выпустила серию LFM3 – шесть мультимодальных моделей, каждая из которых весит около 2 млрд параметров и объединяет текст, изображение и звук. В статье от 27 октября 2026 года Liquid AI заявили, что LFM3‑1.7B‑Base уже демонстрирует конкурентоспособные результаты по сравнению с более тяжёлыми предшественниками, а LFM3‑Omni‑2B способна «видеть» и «слушать» одновременно, что открывает путь к более естественному взаимодействию человек‑модель. Орка‑Роутер подробно сравнил LFM3‑1.7B с LFM2.5‑24B‑A2B, показав, что увеличение параметров не всегда приводит к улучшению качества, а иногда лишь усложняет обучение.

Только открытый характер этих разработок позволил академическому сообществу AI2 быстро опубликовать новый бенчмарк Old Ideas. Исследователи сосредоточились на способности больших языковых моделей оценивать новизну научных идей, задав вопрос: «Можем ли мы доверять магистрам права в оценке того, является ли исследовательская идея новой?». Результаты показали, что даже самые продвинутые LLM часто путают известные концепции с оригинальными, что подчёркивает фундаментальную уязвимость в оценке креативности. Бенчмарк, описанный в блоге Hugging Face, уже включён в наборы тестов, обсуждаемых в Яндекс‑Практикуме и на Хабре, где аналитики разбирают, какие метрики действительно отражают новизну.

Синергия открытых моделей и новых тестов создаёт уникальную экосистему: разработчики LFM3 могут сразу проверять свои мультимодальные решения на Old Ideas, а пользователи Nemotron 3.5 Transcribe получают возможность интегрировать аудио‑текстовую обработку в более широкие сценарии, включая видеоматериалы, которые ранее требовали отдельного пайплайна. Открытый доступ к весам и коду ускорил процесс обратной связи: в течение суток после публикации LFM3 уже появились форки, в которых добавлялись новые датасеты, а в сообществе NVIDIA обсуждались способы комбинирования Transcribe с видеомоделями Super VL.

Почему всё это имеет значение для отрасли? Прежде всего, открытость разрушает монополию крупных корпораций на передовые ИИ‑технологии, позволяя небольшим командам конкурировать на равных. Кроме того, новые бенчмарки, такие как Old Ideas, раскрывают слепые зоны в текущих подходах к оценке креативности, заставляя разработчиков переосмысливать метрики качества. Наконец, объединение аудио, текста, изображения и звука в единой модели открывает путь к более естественному взаимодействию с ИИ, где пользователь может просто говорить, показывать и слушать, а система будет понимать контекст без необходимости переключать режимы. Открытый мультимодальный бум, начавшийся с Nemotron 3.5 Transcribe и LFM3, уже меняет ландшафт искусственного интеллекта, делая его более доступным, проверяемым и, в конечном счёте, полезным для реального мира.