Новости ИИ: главное за день

27 июля 2026 г. · 5 мин.

Perplexity

Самая заметная свежая новость в этой теме — 3 июля 2026 года китайская Meituan представила LongCat-2.0, открытую большую языковую модель, и это важный сигнал: крупные индустриальные игроки все активнее выкладывают open-source LLM, пригодные не только для экспериментов, но и для практического локального развёртывания. Это заметно шире и актуальнее, чем очередное сравнение облака и локальных моделей, потому что речь уже идёт о зрелом open-weight релизе от большого бизнеса.[11]

Если смотреть на контекст, новость укладывается в общий тренд 2026 года: open-source модели быстро сокращают разрыв с закрытыми системами, а локальный запуск становится обычным сценарием для компаний и разработчиков. В этом смысле LongCat-2.0 — не просто ещё одна модель, а подтверждение, что рынок открытых LLM входит в фазу конкуренции на уровне крупных релизов.[1][6][11]

Источники:

3DNews, новость о LongCat-2.0 от Meituan.
AI-stat.ru, «Почему локальные LLM больше не уступают облачным».
Ofox.ai, обзор open-source AI 2026.

Gemini

В июле 2026 года на рынке open-source LLM произошел значительный сдвиг: модели, ранее требовавшие огромных вычислительных ресурсов и затрат на обучение, стали доступны для скачивания, модификации и локального развертывания. Это стало возможным благодаря развитию архитектур, таких как Mixture-of-Experts (MoE), и техникам квантизации, которые позволяют запускать модели с триллионами параметров на относительно доступном оборудовании. Такие модели, как Llama 4 Maverick, Kimi K2 и DeepSeek-R1, демонстрируют производительность, сравнимую с ведущими проприетарными системами, при значительно более низких затратах на инференс.

Ключевым трендом стало появление моделей, которые не только обладают мощными общими возможностями, но и специализируются на конкретных задачах, таких как кодирование (Kimi K2.7 Code, DeepSeek V4 Pro) или работа с длинными контекстами (Llama 4 Scout с 10M токенов). Это расширяет спектр применения локальных LLM, делая их конкурентоспособными для решения сложных бизнес-задач.

Важным аспектом является лицензирование. Хотя многие модели выпускаются под свободными лицензиями (MIT, Apache 2.0), некоторые используют кастомные лицензии с определенными ограничениями. Это требует внимательного изучения перед коммерческим использованием. В целом, рынок open-source LLM демонстрирует ускоренное развитие, сокращая разрыв с проприетарными аналогами и предоставляя разработчикам беспрецедентную гибкость.

Источники:

Best Open Source LLMs (July 2026) | Thunder Compute
10 Best Open-Source LLMs in July 2026 (Ranked for Real Work) | Taskade Blog
Best Open-Source LLMs: July 2026 Leaderboard - TECHSY
Лучшие локальные LLM 2026: сравнение моделей (Qwen, Llama, DeepSeek и др.)
Почему локальные LLM больше не уступают облачным | AI-Stat - Рейтинг нейросетей
Сравнительный анализ 18 LLM моделей: конец монополии? - Habr

ChatGPT

В июле 2026 года компания AMD представила свою первую серию открытых моделей больших языков под брендом OLMo. Эти модели, содержащие 1 миллиард параметров, были обучены с использованием триллионов токенов на кластере графических процессоров AMD Instinct MI250. OLMo предназначены для решения задач, связанных с рассуждениями, следованием инструкциям и чатами, и доступны для разработчиков с открытым доступом к данным, весам, рецептам обучения и коду. (computerworld.com)

В июне 2026 года компания DeepSeek представила модель DeepSeek R2, лицензированную по MIT, которая достигла передовых результатов в области рассуждений, продемонстрировав значительный прогресс в открытых локальных моделях. (llmcheck.net)

В июле 2026 года лаборатория Thinking Machines представила Inkling, свою первую открытую модель, основанную на архитектуре смеси экспертов (MoE). Inkling принимает текстовые, аудио и визуальные входные данные и выпущена под лицензией Apache 2.0. (theopenweights.com)

Источники:

Computerworld
LLMCheck
The Open Weights

Grok

В начале июля 2026 года Mistral AI подтвердила запуск раннего доступа к новой open-weight модели в течение месяца. CEO компании Артур Менш заявил, что это «очень захватывающая» разработка, которая будет доступна партнёрам из исследовательских, государственных и индустриальных кругов до конца июля. Модель позиционируется как шаг к сокращению разрыва с frontier-системами при сохранении открытости весов.

Это заметно отличается от привычных китайских или американских релизов: европейская лаборатория делает акцент на практической доступности для широкого круга организаций, а не только на лидерстве в бенчмарках. На фоне отсутствия крупных open-source-релизов на текущей неделе ожидание Mistral остаётся одной из самых обсуждаемых тем в сообществе.

Claude

В июне 2026 года компания Semgrep провела тесты открытой модели GLM-5.2 от Zhipu AI и обнаружила, что она обходит Claude Code в обнаружении уязвимостей типа IDOR (набрав 39% F1 против 32% у Claude). Главное — GLM-5.2 распространяется под лицензией MIT, в отличие от экспортконтролируемых моделей Anthropic, а значит любой может её скачать, доучить или модифицировать.

Это важный момент в стратегии open-source: локальные модели впервые побили проприетарные аналоги не на общих benchmark'ах, а на практической, критичной для безопасности задаче. Alibaba и Mistral AI выпускают обновления ежемесячно, тогда как Meta замедлила темп разработки Llama — и это разворачивает гонку в пользу китайских и европейских лабораторий. Для компаний это означает реальную альтернативу облачным сервисам: можно развернуть мощную модель на своем сервере, не отправляя данные в облако и не зависая от экспортных ограничений.

Источники:

Let's Data Science (letsdatascience.com)
Tech Insider (tech-insider.org)

Источники:

Блог