Modele mowy i tłumaczenia gęsto zapełniają kalendarz premier. Przybywa otwartych wag i małych modeli

To nie silnik tłumaczeniowy. To klasyfikator, który zwraca prawdopodobieństwa, i w tym cały sens: firma twierdzi, że jeden model przyjmuje nieustrukturyzowane dane, tekst albo obrazy, i odpowiada na kilka pytań o nie w jednym przebiegu w przód.

Liquid AI stawia d1 przeciw GPT-6.1 Sol w sześciu zastosowaniach, od filtrowania zgłoszeń do działu wsparcia po kontrolę płyt drukowanych, i twierdzi, że dorównuje temu modelowi lub go przewyższa w czterech z nich, przy koszcie od 19 do 200 razy niższym. Termin też się liczy. Tego samego dnia, 5 października, w ciągu kilku godzin pojawiły się trzy inne premiery i wszystkie w jakiejś formie dotykają mowy, dokumentów albo tekstu wielojęzycznego. Reflection pokazała wczesny podgląd Beam, swojego modelu z otwartymi wagami o 501 000 000 000 parametrów. Interfaze udostępniła na Hugging Face lekki model z otwartymi wagami, który transkrybuje mowę i czyta dokumenty. NASA i IBM opublikowały kod do dostrajania księżycowego modelu bazowego. Żaden z nich nie jest tłumaczem w rozumieniu konsumenta, a razem pokazują, gdzie dziś leży presja premier: o warstwę niżej niż aplikacja.

Co d1 naprawdę robi z językiem

Model d1 zwraca prawdopodobieństwa dla pytań tak/nie, wybiera jedną etykietę spośród wielu albo ocenia pozycję na skali. Liquid AI twierdzi, że jedno zapytanie może zadać kilka pytań o ten sam stan, co oszczędza tokeny wejściowe. Do produktu tłumaczeniowego droga daleka, a własne dema firmy opierają się na sortowaniu i kierowaniu: filtr w stylu SQL, który odpowiada, czy zgłoszenie do wsparcia jest prośbą o anulowanie, oraz agent przeglądarkowy, który wybiera następną akcję na stronie wyszukiwania lotów.

Dwa opublikowane wyniki leżą jednak blisko potoku mowy i dokumentów. W demie kompresji kontekstu d1 czyta każdy wynik narzędzia w sesji agenta kodującego i zachowuje, przycina albo odrzuca go, usuwając 52% tokenów, przy zachowaniu wszystkich wyników potrzebnych do zadania. W kontroli wizualnej sortuje dobre i wadliwe części z dokładnością od 85% do 97% na publicznym zbiorze danych, choć nikt go do tego zadania nie trenował.

Liquid AI ostrożnie formułuje porównanie. Twierdzenie mówi, że d1 dorównuje GPT-6.1 Sol lub go przewyższa w czterech z sześciu zastosowań, nie we wszystkich sześciu, a koszty podaje sama firma. Niezależny test porównawczy d1 nie został opublikowany.

Najważniejszy jest koszt. Jeśli decyzję strukturalną można rozstrzygnąć w 200 do 300 milisekund bez generowania tokenów, zespoły, które dziś wołają duży model językowy przy każdym kroku kierowania czy filtrowania, mają tańszą opcję do przetestowania. Nie wiadomo, jak wygląda dokładność poza demami wybranymi przez Liquid AI ani czy model trzyma poziom w językach innych niż angielski. Firma tego nie podaje.

Strona otwartych wag dostaje model mowy i dokumentów

Premiera Interfaze jest w tym zestawie najbliżej wielojęzycznego konia roboczego. Interfaze 1.1 Lite to model o mieszanej architekturze: jedno rdzeniowe rozumowanie wizualno-językowe wywołuje wyspecjalizowane komponenty do czytania dokumentów, geometrii linii, układu, mowy, diaryzacji mówców, segmentacji i prognozowania. Całość działa na jednym procesorze graficznym o 80 GB, bez zewnętrznych usług, według karty modelu na Hugging Face.

Liczby dotyczące mowy są konkretne. Nagranie o długości 95 minut jest transkrybowane w około 90 sekund, cięte na pauzach i dekodowane partiami. Karta modelu podaje współczynnik błędów słów 3,01 na VoxPopuli-Cleaned, wobec 2,4 dla Interfaze i 4,0 dla Gemini-3-Flash; przy pozostałych konkurentach widnieje adnotacja, że danych nie podano. Firma twierdzi, że model tłumaczy w ponad 160 językach i rozumuje wielojęzycznie w ponad 14, przy kontekście 131 000 tokenów.

Tabelę trzeba czytać uważnie. W MMMLU, który mierzy wiedzę w czternastu językach, Interfaze 1.1 Lite ma 87,8 punktu, mniej niż Interfaze z 90,9 i Grok-4.3 z 89,7, mniej więcej tyle samo co Gemini-3-Flash z 88,7. W GPQA Diamond dostaje 85,9 wobec 92,4 dla Interfaze i 89,9 dla Claude-Sonnet-4.6. Lekki model wygrywa w OCR dokumentów i w ugruntowaniu wyrażeń odnoszących się do obiektów, nie w ogólnej wiedzy.

Dla kogoś, kto buduje potok transkrypcji albo przetwarzania dokumentów, deklaracja jednego procesora graficznego znaczy więcej niż rozrzut wyników. Oznacza, że zespół może uruchomić rozpoznawanie mowy, diaryzację i ustrukturyzowane wyjście na jednej maszynie, bez hostowanego API. Karta modelu nie podaje natomiast przepustowości przy równoległym obciążeniu ani tego, jak zachowuje się kierowanie do specjalistów, gdy zapytanie miesza audio i obrazy.

Beam: większy i jeszcze niedostępny

Beam od Reflection to największa pozycja w zestawie i najmniej dostępna. To rzadki model mieszaniny ekspertów o 501 000 000 000 parametrów łącznie i 23 000 000 000 aktywnych, wstępnie trenowany na 23 800 000 000 000 tokenów. Reflection podaje, że przebieg uczenia ze wzmocnieniem wygenerował ponad 100 000 000 prób na 10 500 procesorach graficznych NVIDIA GB300 w ciągu czterech tygodni.

Model wciąż przechodzi końcowe testy red team i ewaluacje. Wagi, raport techniczny i karta modelu są obiecane na później w tym miesiącu, a firma przyjmuje zapisy do wczesnego dostępu. To powinno ostudzić lekturę tabeli wyników, którą Reflection opublikowała razem z zapowiedzią: liczby pochodzą od firmy i dotyczą modelu, którego nikt poza nią nie może jeszcze uruchomić.

Reflection pozycjonuje Beam na efektywności, nie na surowej zdolności. Twierdzi, że Beam jest konkurencyjny wobec większych otwartych modeli, takich jak GLM 5.2, i zbliża się do Qwen 3.8-Max w zadaniach kodowania i agentowych, a tam, gdzie czołowe otwarte modele, jak Kimi K3, wciąż są z przodu, przewagą Beam jest koszt wnioskowania. Na testach rozumowania z tabeli ten obraz jest mieszany: Beam ma 97,8 w AIME 2026 wobec 99,2 dla GLM 5.2 i 36,2 w HLE bez narzędzi wobec 40,5 dla GLM 5.2 i 46,9 dla Kimi K3.

Beam nie jest modelem tłumaczeniowym. Trafia tutaj, bo to samo okno premier pokazuje, jak otwarte wagi rozdzielają się w dwóch kierunkach: bardzo dużych modeli ogólnych, drogich w obsłudze, i małych modeli specjalistycznych, tanich w obsłudze i węższych w zakresie.

Małe modele robią robotę wokół dużego

Najkonkretniejszy wynik dotyczący efektywności w tym zestawie pochodzi z dużo mniejszego projektu. Jeff-Code, fork agenta kodującego Pi autorstwa Mario Zechnera i współpracowników, wstawia do pętli agenta model decyzyjny o 800 000 000 parametrów. Wokół każdego ruchu Qwen 3.8-27B, modelu o 27 000 000 000 parametrów, Jeff podejmuje dwie decyzje po około 0,2 sekundy: czy może sam wykonać następny krok i czy Qwen musi w tym ruchu myśleć dłużej.

Opublikowana ewaluacja podaje 62,4% zdanych zadań dla Jeff-Code wobec 62,8% dla samego Qwen, czyli różnicę w parach minus 0,2 punktu przy przedziale ufności 95% od minus 2,6 do plus 2,1 na 1 242 sparowanych zadaniach. Czas na zadanie wyszedł 0,68x, a łączny czas wszystkich zadań 0,86x. W około trzech czwartych ruchów Qwen myślenie działało przy progu modelu decyzyjnego ustawionym na 0,6.

Rozjazd między 0,68x na zadanie a 0,86x w całości ma przyczynę, którą projekt podaje wprost: w około 5% zadań Jeff-Code działa ponad 30 minut dłużej niż sam Qwen. Ta sama ostrożność dotyczy nagłówka. Wyłączenie myślenia w każdym ruchu jest jeszcze szybsze, ale kosztuje 7,6 punktu zdawalności, a mniej ostrożny próg 0,7 kosztuje 4,5 punktu.

Drugi projekt robi odwrotnie i stawia mały model na pierwszym miejscu. Reika to narzędzie wiersza poleceń dla agenta kodującego, zbudowane wokół modeli lokalnych o 8 000 000 000 do 35 000 000 000 parametrów, często skwantyzowanych do Q2-Q4 przy oknie kontekstu 32 000 tokenów. Opublikowane wnioski dotyczą raczej trybów awarii niż wygranych w testach: jedna przepisówka w środku kontekstu przetworzyła ponownie 8 453 tokeny promptu, 7,9 minuty prefillu, podczas gdy dopisanie w tej samej sesji kosztowało 25 tokenów i 3,5 sekundy. Projekt podaje, że modele od 14 000 000 000 do 35 000 000 000 parametrów najpewniej radziły sobie z zadaniami wieloplikowymi, a modele poniżej 7 000 000 000 parametrów rzadko zachodziły daleko.

Co ta fala premier zostawia nierozstrzygnięte

Żadna z tych premier nie jest produktem tłumaczeniowym w rozumieniu kupującego. Najbliżej są deklarowane przez Interfaze tłumaczenie w ponad 160 językach z transkryptami przypisanymi do mówców oraz warstwa decyzyjna d1, która mogłaby stać przed wywołaniem tłumaczenia i rozstrzygać, czy w ogóle jest potrzebne.

Wzorzec inżynierski jest w nich wspólny: mały, szybki komponent podejmuje decyzję o kierowaniu, a większy model jest wołany tylko wtedy, gdy trzeba. Jeff-Code mierzy ten wzorzec na 32% krótszym czasie na zadanie bez straty w zdawalności. d1 sprzedaje go jako prawdopodobieństwa zamiast tokenów. Interfaze pakuje go jako rdzeń rozumowania, który woła specjalistów.

Nie wiadomo, czy którykolwiek z nich przetrwa zderzenie z realnym obciążeniem. Reflection nie udostępniła wag. Porównania kosztów Liquid AI pochodzą od samej firmy. Lekki model Interfaze ustępuje własnemu większemu bratu w ogólnej wiedzy. A liczby Jeff-Code przychodzą z ogonem zadań trwających znacznie dłużej niż poziom odniesienia, czyli dokładnie z tym, co zespół produkcyjny zauważyłby pierwsze.