Reka, Liquid i Interfaze stawiają na mniejsze modele multimodalne

Rho-1 od Reki to najnowsza publikacja multimodalna, wydana 5 października. Firma nazywa go modelem omni-reasoning wytrenowanym od zera przy 19 mld parametrów. Sedno jest architektoniczne. Zamiast centralnego modelu, który rozdziela zadania między osobnych specjalistów od wizji, wideo i ruchu, Rho-1 mieści tekst, obraz i ruchy robotów w jednym oknie kontekstu.

„Większość dzisiejszych systemów AI to potoki agentowe: centralny model planuje i deleguje, przekazując zadania specjalistom od poszczególnych modalności”, głosi wpis laboratorium Reka. „Rho-1 zwija ten stos”. We wpisie czytamy, że w jednej nieedytowanej sesji pięciu tur model rysuje scenę, lokalizuje obiekt, animuje go w wideo, zmienia pogodę i wyjaśnia, co się zmieniło.

Liczby, które publikuje Reka, dotyczą szybkości, nie tabel testów. Model bazowy generuje wideo z prędkością 0,79x czasu rzeczywistego, licząc medianę, jak podano we wpisie. Oglądalny strumień startuje po około 6 sekundach. Wariant destylowany skraca trajektorię odszumiania z 99 kroków do 8. Reka twierdzi, że w testach wewnętrznych zwrócił 5,3-sekundowy klip w około sekundę.

Małe modele, wąskie zadania, niższe rachunki

Liquid AI wykorzystał ten sam dzień, żeby pokazać d1, swój pierwszy model decyzyjny, teraz z obsługą obrazów. Modele decyzyjne zwracają prawdopodobieństwa zamiast generować tokeny: odpowiedź tak lub nie, etykietę albo ocenę. Liquid podaje, że decyzja tekstowa zajmuje od 200 do 300 ms.

Firma przetestowała d1 przeciw GPT-6.1 Sol i Claude Opus 5.5 w sześciu zastosowaniach, od filtrowania zgłoszeń do pomocy technicznej po kontrolę płytek drukowanych. Według bloga Liquid d1 dorównuje GPT-6.1 Sol lub go przewyższa w czterech z nich. Kosztuje od 19 do 200 razy mniej niż oba modele i odpowiada szybciej w każdym zadaniu. To porównania przeprowadzone przez dostawcę, a wpis nie podaje rozbicia na poszczególne zadania.

Część demonstracji jest konkretniejsza. W zadaniu kontroli wizualnej na publicznym zbiorze VisA d1 sortuje dobre i wadliwe części z czterech linii produkcyjnych z dokładnością 85-97%. Liquid twierdzi, że model nie był trenowany do tego zadania. W teście Wordle odczytał planszę ze zrzutu ekranu i rozwiązał 12 z 12 gier, średnio w 3,8 próby. W Quick, Draw! rozpoznał 5,2 z 6 rysunków spośród 62 słów; losowe zgadywanie daje 0,6.

Interfaze wybrał trzecią drogę. Interfaze 1.1 Lite, opublikowany na Hugging Face 5 października, nie jest jedną siecią. To rdzeń rozumujący plus wyspecjalizowane komponenty do czytania dokumentów, geometrii linii, układu strony, mowy, diaryzacji mówców, segmentacji, prognozowania i bezpieczeństwa, połączone wywołaniami narzędzi. Firma twierdzi, że całość działa na jednym GPU z 80 GB pamięci i bez zewnętrznych usług.

Specyfikacja jest nietypowo konkretna jak na kartę modelu. PDF-y do 50 stron na wywołanie, z ramką i poziomem pewności dla każdej linii i słowa. 95-minutowe nagranie transkrybowane w około 90 sekund. Okno kontekstu 131 tys. tokenów. W tabeli testów z karty Interfaze 1.1 Lite zdobywa 85,9 na GPQA Diamond i 73,2 na MMMU-Pro. Dla porównania Interfaze ma 71,1, GPT-5.4-Mini 40,4, Claude-Sonnet-4.6 46,3, a Gemini-3-Flash 67,6. Na GPQA Diamond pozostaje jednak za tymi modelami, z wynikami 82,8, 89,9, 88,5 i 73,6.

Otwarte wagi zyskują kolejnego gracza

Beam od Reflection to największa deklaracja otwartych wag w tym zestawieniu: rzadki model mieszanki ekspertów z 501 mld parametrów łącznie i 23 mld aktywnych, zbudowany do kodowania, rozumowania i pracy agentowej. Wpis firmy z 5 października podaje, że model wstępnie trenowano na 23,8 bln tokenów. Potem przeszedł trening uczenia ze wzmocnieniem, który wygenerował ponad 100 mln przebiegów na 10,5 tys. GPU NVIDIA GB300 w ciągu 4 tygodni.

Wag jeszcze nie ma. Beam „przechodzi końcowe testy red team i ewaluacje”, a Reflection zapowiada, że udostępni wagi, raport techniczny, kartę modelu i artefakty dla deweloperów w późniejszej części miesiąca. Wczesny dostęp jest przez zapisy. To sprawia, że każdy test w tym wpisie jest deklaracją dostawcy o niewydanym modelu.

Opublikowana tabela jest mieszana. Beam zdobywa 80,9 na SWEBench Verified i 80,1 na Terminal Bench v2.1. To wynik przed GLM 5.2 z 81,0 na Terminal Bench, ale za Kimi K3 z 88,3 i DeepSeek V4.1 Flash z 90,6. W najtrudniejszym wierszu kodowania, SWE Bench Pro v2-Hard, Beam raportuje 77,2 wobec 88,2 Kimi K3. Reflection sam ujmuje to jako kwestię efektywności, nie surowej zdolności. Twierdzi, że Beam osiąga wyniki porównywalne z GLM-5.2 w zaawansowanym rozumowaniu, zużywając 3 do 4 razy mniej mocy obliczeniowej na wnioskowanie, i przyznaje, że Kimi K3 jest lepszy pod względem surowych możliwości.

Ciekawszy jest argument o efektywności. Jeśli model z 23 mld aktywnych parametrów naprawdę ląduje w granicach kilku punktów od znacznie większych systemów w zadaniach agentowych, koszt zadania spada każdemu, kto uruchamia takie obciążenia na dużą skalę. Reflection nie opublikował jednak liczb kosztowych stojących za tą deklaracją. Wag nie ma, więc nie da się ich przetestować niezależnie.

Uprzęże i warstwy decyzyjne wokół modeli

Dwa mniejsze projekty pokazują, gdzie idzie praca inżynierska: nie w większe modele, ale w klej wokół nich.

Jeff-Code, fork agenta kodującego Pi opublikowany na GitHubie 5 października, wstawia do pętli agenta model decyzyjny Jeff o 800 mln parametrów, który pracuje wokół Qwen 3.8 z 27 mld parametrów. Jeff wykonuje dwa wywołania na każdą turę Qwen, po około 0,2 sekundy. Pyta, czy sam może wykonać następny krok i czy Qwen musi w tej turze myśleć intensywnie. Myślenie pozostaje wyłączone, dopóki prawdopodobieństwo Jeffa, że tura wymaga pełnego myślenia, nie osiągnie 0,6. W ewaluacji około trzech czwartych tur Qwen działało bez myślenia.

Zmierzone efekty są skromne w jakości i duże w czasie. Na 1242 sparowanych zadaniach zdawalność wyniosła 62,4% z Jeff-Code wobec 62,8% dla samego Qwen. To różnica sparowana minus 0,2 punktu przy przedziale ufności 95% od minus 2,6 do plus 2,1. Czas na zadanie wyniósł średnio 0,68x, mediana 0,70x; łączny czas wszystkich zadań to 0,86x. Projekt nie raportuje wyraźnego przyspieszenia na Terminal-Bench 2.0 (0,96x) ani SkillsBench (0,91x). Wyłączenie myślenia w każdej turze było jeszcze szybsze, ale kosztowało 7,6 punktu.

Reika, inne CLI agenta kodującego opublikowane tego samego dnia, jest zbudowane odwrotnie. Projektowano je najpierw pod małe modele lokalne, w zakresie od 8 do 35 mld parametrów, często przy kwantyzacji od Q2 do Q4 i oknie kontekstu od 16 do 32 tys. tokenów. README mówi wprost o ograniczeniach. W testach modele od 14 do 35 mld najpewniej radziły sobie z zadaniami wieloplikowymi, modele 8-9 mld dawały radę z prostymi, dobrze określonymi, a poniżej 7 mld rzadko dochodziły daleko. Projekt publikuje też to, czego jego uprząż nie naprawi. Przy niejasnym zadaniu i kwantyzacji Q2 model zbiega albo wchodzi w pętlę mniej więcej pół na pół, a sformułowanie promptu jest najsłabszą dźwignią.

Liczby kontekstu z tego README to użyteczna kontrola rzeczywistości dla każdego, kto szacuje obciążenia agentowe. Jedno przepisanie w średnim kontekście przetworzyło ponownie 8453 tokeny promptu, czyli 7,9 minuty prefillu. Dopisanie w tej samej sesji kosztowało 25 tokenów i 3,5 sekundy.

Co ten tydzień mówi o wyścigu multimodalnym

Trzy publikacje z jednego dnia wskazują w różne strony. Reka stawia na jedną sieć, która połyka każdą modalność. Interfaze stawia na mały rdzeń kierujący do specjalistów i trzyma całość na jednym GPU. Liquid stawia na to, że większość pracy multimodalnej to naprawdę problem klasyfikacji i nie powinna generować ani jednego tokenu.

Wspólny wątek to koszt. Wariant destylowany Reki, deklaracja ceny od 19 do 200 razy niższej u Liquid, wdrożenie Interfaze na jednym GPU i 0,68x czasu na zadanie w Jeff-Code sprzedają to samo: to samo zadanie za mniej obliczeń. Żadnej z tych deklaracji nie zweryfikowano dotąd niezależnie.

Poza laboratoriami modeli ten sam wzorzec widać w pracy nad infrastrukturą. mold 3.0.0, wydany 5 października, to pierwsze wydanie szybkiego linkera przepisanego z C++ na Rust, o czym projekt zapowiedział w notach do wersji 2.42.1. Noty wydania podają, że wydajność linkowania pozostaje na poziomie 2.42.1. Mówią też, że projekt sprawdził zgodność, budując wszystkie pakiety Gentoo bez regresji. Celem mold 3.x jest domknięcie pozostałych luk wobec GNU ld, zwłaszcza obsługi skryptów linkera, żeby utorować drogę do przyjęcia go jako domyślnego linkera w dystrybucjach Linuksa.

Expat 2.9.0, również wydany 5 października, naprawia dwie podatności. CVE-2026-77214 to potencjalne odczytanie poza zakresem w XML_ParseBuffer z powodu niewystarczającej walidacji parametru długości. CVE-2026-102633 to przepełnienie liczby całkowitej w kodzie zarządzania pamięcią, dotyczące platform 32-bitowych. Wydanie dodaje Properties API i wycofuje makro XML_LARGE_SIZE na rzecz pięciu 64-bitowych funkcji lokalizacji. Opiekun przypisuje finansowanie pracy miastu Monachium i jego programowi Open Source Sabbatical.

OpenAI zapowiedział, że w późniejszej części miesiąca zacznie testować w USA reklamy wizualne w ChatGPT podczas generowania obrazów, z pierwszą grupą reklamodawców, jak podał BleepingComputer. Firma twierdzi, że reklamy będą wyraźnie oznaczone i pozostaną oddzielone od tworzonego obrazu. Podaje też, że ChatGPT dociera obecnie do 1,2 mld ludzi tygodniowo.

Po stronie badań, badanie Uniwersytetu Kalifornijskiego w Riverside opublikowane 23 września wykazało, że pewność siebie i poprawność dużych modeli językowych biorą się z różnych cech wewnętrznych. Zespół badał Llama-3.1-8B od Meta i Gemma-2-9B od Google za pomocą rzadkich autoenkoderów i wygaszał wybrane cechy. „Główne założenie w tej dziedzinie jest takie, że gdy model jest pewny, prawdopodobnie ma rację, a gdy nie jest pewien, częściej się myli”, powiedział Het Patel, doktorant informatyki na UCR i pierwszy autor. „Ale często widzimy dobrze udokumentowane kontrprzykłady”.

Dla kupujących praktyczne pytanie tego tygodnia nie brzmi, który model jest najmądrzejszy. Brzmi, którą z tych architektur da się przetestować. Wagi Reki są tygodnie stąd, porównania Liquid pochodzą od dostawcy, a tabela testów Interfaze jest własna. Liczby, na które warto patrzeć, to te, które przychodzą z dołączonymi artefaktami.