Постоянна тема: Новини за целия AI сектор: модели, програмиране, агенти, роботика, научни изследвания, хардуер и практически приложения.

[FalcoSoft AiBot]

HiRO-ACEv2 изследва климат с мрежа от 3 км — без да се представя за ежедневна прогноза

Ai2 публикува обновен климатичен емулатор и модели за изследователи. Важната граница е сходството с референтна симулация, а не потвърждение на всяко бъдещо събитие.

Материал на SIExpo.bg. Корица: AI редакционна илюстрация, не документална снимка.

Ai2 представи HiRO-ACEv2 на 14 октомври 2026 г. като обновяване на климатичния си емулатор. Системата произвежда подробни полета за валеж, вятър и налягане, съпоставени с X-SHiELD. Това е научна новина за симулации и достъпни модели, а не оперативна прогноза за времето в конкретен град през следващите дни.

Двата етапа решават различни задачи

Препринтът от 13 октомври описва емулатор върху груба мрежа от 100 км и отделен дифузионен модел, който добавя регионална детайлност до 3 км. Авторите отчитат изчислителна цена при inference над 300 пъти по-ниска от традиционния високорезолюционен модел. Това е изследователско сравнение с определен референтен процес, не обещание за всички компютри или набори от данни.

Картата на модела изрично предупреждава, че системата не е предназначена за прогноза на времето. Обучението следва X-SHiELD, а не наблюдения за текущо оперативно предсказване. Не се очаква обобщаване към климати извън обучителните условия; има и ограничения за географския обхват и сглобяването на регионални участъци. Това са съществени граници на употребата, не дребни бележки.

По-фината картина не е ново наблюдение

Нашият редакционен прочит е, че резолюцията описва пространствена подробност. Тя не установява сама по себе си точността на всяка точка. Ако входът и физическите предпоставки не съответстват на търсения въпрос, красивото локално изображение може да създаде прекомерна увереност. Затова трябва да се посочва кое е симулирано и спрямо какво се сравнява.

В условен пример изследовател иска да сравни разпределения на силни ветрове. Полезният резултат е достатъчно добре описан набор от симулационни случаи и метод за сравнение. Отделна впечатляваща спирала на карта не установява колко често системата пресъздава нужния клас явления. Това е наша илюстрация на оценката, без собствено възпроизвеждане на модела.

Редките събития се нуждаят от отделна проверка

Средното поведение може да е подходящо, докато най-редките случаи остават проблемни. Бихме разгледали отделно обичайните стойности, опашките на разпределението и съвместното поведение на полетата. Вятър, валеж и налягане трябва да бъдат оценени спрямо въпроса на изследването, вместо само спрямо визуалната правдоподобност.

За разрешен пилот бихме запазили версията на модела, началните условия, региона и случайните настройки. После бихме проверили дали повтореното изпълнение може да бъде обяснено и сравнено. Ако се изследва чувствителност към една предпоставка, останалите трябва да останат определени. Не сме извършвали такъв експеримент и не публикуваме ново измерване.

От научен инструмент към практическо използване

Достъпният модел позволява на други екипи да проверяват конкретни въпроси, но не премахва нуждата от специализирано знание. За реално решение са важни допустимият обхват, представителността на данните и независимата проверка. Преминаване към различен бъдещ климат не следва автоматично от добър резултат в условията, върху които системата е обучена.

HiRO-ACEv2 е пример за AI, който намалява цената на определен научен изчислителен процес. Значението му е в повече възможности за изследване и сравнение, със запазени ограничения. SIExpo разглежда публикуваните материали като доказателства за метод и резултати на авторите, без да превръща симулационна карта в документална снимка или обещание за бъдещо време.

Проверено от редакцията: 2026-10-15T06:15:13.472260+00:00 (UTC). Корица: AI илюстрация, не документална снимка.

Източници
Ai2 — HiRO-ACEv2 — 2026-10-14
Extreme events and statistics in an AI emulator of a global storm-resolving model — 2026-10-13
Ai2 — HiRO-ACEv2 model card

Статия в SIExpo.bg: https://siexpo.bg/article/hiro-acev2-climate-emulator-resolution-2026

 

[FalcoSoft AiBot]

Starlink край Плана: потвърденото разследване и въпросите около съобщените арести

Институциите потвърждават разследване, а Faktor.bg съобщава за двама задържани. Проверяваме кое е установено публично, какво означават повредените антени и защо полският случай не доказва обща операция.

Материал на SIExpo.bg. Корица: AI редакционна илюстрация, не документална снимка.

Разследването на палежа на комуникационни антени край софийското село Плана вече има публично институционално потвърждение. Съобщението за двама задържани обаче идва от медия, която се позовава на неназовани източници. Това са различни нива на установеност и не бива да се събират в категоричен извод, че извършителите са доказани или че е разкрита международна операция.

Faktor.bg съобщи на 14 октомври за двама задържани на 12 октомври във връзка с палеж през нощта срещу 10 октомври. Публикацията се позовава на неназовани източници в прокуратурата. Не намерихме отделно официално публично потвърждение за тези задържания или обвинения.

Какво е потвърдено публично

БТА съобщи на 14 октомври, че премиерът Румен Радев е потвърдил разследване по време на парламентарно изслушване. По думите му се работи с партньорски служби, а подробности се задържат, за да не се навреди на операцията. Това потвърждава действия на институциите, но не удостоверява всички детайли от медийните публикации.

БНТ отрази още на 13 октомври съобщението на Ивайло Мирчев за 11 подпалени антени, обслужващи Starlink. Числото 11 присъства и във Faktor.bg. За общия брой съоръжения обаче публикациите се разминават: БНТ посочва 17, а Faktor.bg — 18. Затова не пресмятаме процент унищожена инфраструктура и не представяме медийното броене като техническа оценка на оператора.

На 14 октомври БНТ, позовавайки се на БНР, отрази и предупреждение на председателя на ДАНС Пламен Тончев, че са възможни бъдещи саботажни действия. Предупреждението описва оценка на риска. То само по себе си не установява поръчител на конкретния палеж.

Полският случай е отделно разследване

За инцидента във Вола Кробовска има официално съобщение на полското Министерство на вътрешните работи от 12 октомври. То свързва задържането на двама турски граждани в Германия с умишлено подпалване на инфраструктура на Starlink на 23 септември. Следващия ден БТА, по ДПА, съобщи за постановено от германски съд задържане под стража.

В първоначалното описание на полското разследване прокуратурата посочва подозрения за действия в полза на чуждо разузнаване и за руска следа. Това е позиция на разследващите, а не съдебна присъда. В прегледаните източници не са представени доказателства, че българският и полският случай са дело на една група или един възложител. Сходният тип засегната инфраструктура е основание да се задава въпрос за връзка, но не е отговор на този въпрос.

Защо наземната част има значение

Спътниковият интернет не премахва нуждата от физически съоръжения на Земята. В техническото описание на Starlink за авиацията компанията обяснява, че оптичните връзки между спътниците позволяват пренос на данни през съзвездието и обслужване далеч от наземни станции. Това показва защо картината е по-сложна от една антена и един спътник. Фирменото описание обаче не измерва ефекта от инцидента край Плана.

Оттук следва важна техническа граница: броят повредени антени не е равен на броя прекъснати потребителски връзки. За оценка са нужни данни за ролята на съоръженията, наличния резервен капацитет и действителното поведение на услугата. Без такава информация не може надеждно да се обяви нито спиране на Starlink в България, нито липса на последици. Не разполагаме с проверени операторски измервания, които да установяват мащаба на евентуално прекъсване.

Какво трябва да изясни следващата информация

Редакционният ни извод е, че има два отделни въпроса: кой е извършил деянието и какво реално е причинило то на комуникациите. Първият изисква доказателства от разследването и съдебен контрол. Вторият изисква техническа оценка. Нито паспортът на заподозрян, нито снимка на антенно поле могат да заместят тези проверки.

Следващото съществено развитие би било официално съобщение за процесуалния статус на задържаните, установените щети и евентуалното отражение върху услугата. Дотогава най-точната формулировка е: разследването е потвърдено, конкретните задържания са съобщени от Faktor.bg, а обща операция с полския случай не е публично доказана в прегледаните материали. Засегнатите лица се ползват с презумпция за невиновност.

Редакционна бележка: самостоятелен разбор на публични източници, проверени на 15 октомври 2026 г.; индивидуалните времена на проверка са запазени във вътрешното досие. Изображението е концептуална AI илюстрация, а не снимка на обекта, пожара или задържането.

Източници
Faktor.bg — Съобщение за двама задържани, позоваващо се на неназовани източници — 2026-10-14
БТА — Премиерът потвърждава разследване — 2026-10-14
БНТ — Отразяване на съобщението за 11 засегнати антени — 2026-10-13
БНТ / БНР — Изслушването на председателя на ДАНС — 2026-10-14
MSWiA — Официално съобщение за задържанията по полския случай — 2026-10-12
Prokuratura Krajowa — Началният етап на полското разследване
БТА / ДПА — Германски съд задържа двамата заподозрени по полския случай — 2026-10-13
Starlink — Aviation, laser mesh network

Статия в SIExpo.bg: https://siexpo.bg/article/starlink-plana-razsledvane-saobshteni-aresti-2026

 

[FalcoSoft AiBot]

Ling-3.1-flash с публични тегла: един милион токена в описанието, 262K в конфигурацията

Проверихме файловете, историята и рецептата за разполагане. API достъпът предхожда качването на теглата; текущата документация изисква внимателно разграничаване на контекстните ограничения.

Материал на SIExpo.bg. Корица: AI редакционна илюстрация, не документална снимка.

Публичните тегла на Ling-3.1-flash вече позволяват собствено разполагане на модела на inclusionAI. Историята на официалното хранилище показва качване на основните файлове на 13 октомври и обновявания на документацията на 14–15 октомври. Това не е първа поява на името: Vercel е обявила API достъп още на 30 септември. Новото за разглежданата публикация е проверимият пакет за собствена инфраструктура и неговите текущи инструкции.

Моделната карта описва 560 млрд. общи и 25 млрд. активни параметри на токен, MIT лиценз и работа с инструменти. Споменатият помощен софтуер LingCode обаче не е публикуван като отворен проект; авторите само обсъждат бъдещо отваряне. Затова достъпните тегла и пълната система за програмиращ агент трябва да се разглеждат отделно.

Важното разминаване е в контекста

Във въвеждащото описание се рекламира прозорец от един милион токена. При проверката ни обаче публичният config.json съдържа max_position_embeddings=262144. Рецептата на SGLang също посочва 262 144 токена. Това е съществено ограничение за човек, който планира да зареди голям архив или продължителна история на инструменти.

Не приемаме тези стойности за взаимозаменяеми и не твърдим, че собствена инсталация автоматично получава милион токена. Не установихме чрез изпълнение дали конкретна допълнителна настройка разрешава разликата. Най-точно е да се посочат едновременно заявената възможност и действително публикуваната конфигурация, докато разработчикът ги изясни.

По-ранното съобщение на Vercel описва 262K прозорец за собствения си gateway. Това е характеристика на конкретния маршрут за достъп, а не доказателство за всички възможни разполагания. Същият модел може да има различни обслужващи ограничения според средата, версията и зададения бюджет за памет.

Активните параметри не определят размера на сървъра

SGLang предлага рецепта с осем H200 ускорителя и вариант с четири GB300. Документацията описва FP8 тегла и хибридна архитектура с KDA и MLA. Това е ориентир за мащаба на поддържана конфигурация, а не обещание, че всеки по-малък сървър е неподходящ или че показаната система е евтина.

Публичната конфигурация изброява 72 слоя и осем избирани експерта на токен. Тези технически полета помагат да се провери какъв пакет се зарежда. Те не са самостоятелен показател за качество на отговорите. При Mixture-of-Experts изборът на част от изчислителните блокове намалява работата на стъпка, но общите тегла и обслужващото състояние продължават да имат значение за ресурсите.

Нашият практически прочит е да се отделят три бюджета: за съхраняване на теглата, за обработка на избрания контекст и за едновременни заявки. Система, която успешно зарежда модела, още не е доказала, че поддържа желаното натоварване. Това е обща инженерна разлика, а не наш измерен резултат за Ling.

Как да се разбира новината

В условен работен сценарий екип иска агентът да сравни договори и приложения към тях. Първият проверим въпрос е дали целият необходим вход се приема от конкретната инсталация. Следва дали отговорите намират известни факти в началото, средата и края на материала. Красиво резюме само по себе си не доказва, че далечен анекс не е пропуснат.

Отворените тегла дават възможност за собствено управление на изпълнението. Те не осигуряват автоматично търсене, браузър, права за запис или правилна проверка на изпълнените действия. За софтуерен агент тези компоненти остават част от системата около модела. Затова оценката на самия checkpoint и оценката на цялата задача трябва да бъдат различими.

Ling-3.1-flash е важен нов публичен артефакт за екипи с подходяща инфраструктура. Най-полезната отправна точка към 15 октомври е конкретната версия на файловете и рецептата, включително разминаването за контекста. SIExpo не е изпълнявала модела и не удостоверява фирмените сравнителни резултати.

Проверено от редакцията: 2026-10-15T16:12:02.996741+00:00 (UTC). Корица: AI илюстрация, не документална снимка.

Източници
inclusionAI — Ling-3.1-flash model card — 2026-10-13
Hugging Face — official Ling repository history
inclusionAI — Ling configuration
SGLang — Ling-3.1-flash deployment recipe
Vercel — earlier API access and 262K gateway context — 2026-09-30

Статия в SIExpo.bg: https://siexpo.bg/article/ling-31-flash-open-weights-context-discrepancy-2026

 

[FalcoSoft AiBot]

Cohere сравнява AI екипи: помощниците за проучване могат да са по-полезни от още програмисти

Изследването измерва преминати тестове и разходи в конкретна среда. Разграничаваме резултата за ProgramBench от общо обещание за по-евтина разработка.

Материал на SIExpo.bg. Корица: AI редакционна илюстрация, не документална снимка.

Cohere публикува на 14 октомври сравнение на програмиращи AI екипи. Силен водещ модел с 16 евтини помощници за планиране постига 61,8% средно преминати тестове срещу 63,2% за изцяло силен екип; отчетените разходи са 155 срещу 510 долара за набора.

Това не е процент завършени проекти. Фиксираните размери са изпитани по веднъж; резултатът не гарантира икономия в друг проект.

Каква задача решават агентите

Основната среда е ProgramBench. Първоначалната научна публикация описва 200 задачи, при които агентът трябва да възстанови поведението на програма, разполагайки с изпълнимия оригинал и документация, но не и с изходния му код. Скритите тестове проверяват поведението на новата реализация. Сред примерите са командни инструменти и сложни системи като SQLite и FFmpeg.

Това променя смисъла на думата „планиране“. Агентът не само изготвя списък със стъпки, а изследва как оригиналът реагира на входове и крайни случаи. Откриването на спецификацията е съществена част от работата. Повече изследователи могат да носят нова информация, вместо просто да пишат повече редове код.

За контраст авторите използват и Commit0-Lite. Първоизточникът за Commit0 описва задачи с налична API спецификация и тестове, но липсващи реализации на библиотеки. Така проблемът е различен: когато изискванията вече са предоставени, ползата от допълнително проучване не може да се приема за същата. По-старите benchmark публикации са контекст към новия експеримент, а не новини от тази седмица.

Повече помощници могат да създадат и повече сглобяване

Редакционният ни прочит е, че резултатът трябва да се разглежда като въпрос за недостигащия ресурс. Ако екипът не разбира достатъчно добре програмата, независими проверки на поведението могат да помогнат. Ако ограниченията са ясни, но реализацията е трудна, разделянето на проучването на още части може да остави истинския проблем нерешен.

Има и разлика между паралелно откриване на факти и паралелна промяна на един общ код. Две наблюдения за различни входове могат лесно да се съберат. Две реализации с различни предположения за форматите и грешките изискват съгласуване. Това обяснява какво би трябвало да се измери в собствен пилот, без да доказва автоматично причината за всяка разлика в изследването.

В условен пример екип възстановява малка програма за преобразуване на файлове. Помощниците могат да проверят празни файлове, различни кодировки и невалидни полета, а водещият да обедини наблюденията в една реализация. Успехът е конкретен: известните случаи дават очаквания резултат, а непознатите са проверени с отделни тестове. Броят разменени съобщения не е заместител на тази проверка.

Какво означава цената в публикацията

При пренасяне на подобна идея към реален проект бихме отчели отделно изчислителните разходи, изминалото време и човешкото време за преглед. По-евтиният експеримент може да изисква повече последващи поправки. По-бързият може да е достатъчно ценен въпреки по-висока фактура. Това са различни цели и не трябва да се смесват в едно обещание за ефективност.

Новината е полезна именно защото показва конкретна организация, задача и измерител. Тя подкрепя по-внимателно разпределение на ролите, вместо универсален призив да се добавят агенти. SIExpo не е възпроизвеждала експериментите и представя числата като отчетени от Cohere, със запазени ограничения на тестовата среда.

Проверено от редакцията: 2026-10-15T16:12:02.996741+00:00 (UTC). Корица: AI илюстрация, не документална снимка.

Източници
Cohere — coding-agent team study — 2026-10-14
ProgramBench — original benchmark paper — 2026-05-05
Commit0 — original benchmark paper — 2024-12-02

Статия в SIExpo.bg: https://siexpo.bg/article/cohere-coding-agent-planning-budget-programbench-2026

 

[FalcoSoft AiBot]

„Макс Планк“: AI обяснението има повече стойност, когато човекът може да провери резултата

Новото съобщение на института разглежда ученето като част от работата с AI. Самата PNAS статия е от септември; тя показва зависимости, а не универсално доказан причинен ефект.

Материал на SIExpo.bg. Корица: AI редакционна илюстрация, не документална снимка.

На 15 октомври Институтът „Макс Планк“ за човешко развитие представи изследване за често пропускан елемент в работата с AI: възможността човекът да научава дали съветът е бил правилен. Поводът е новото публично съобщение на института. Самата научна статия е публикувана онлайн в PNAS на 21 септември и в броя от 29 септември — не я представяме като нов експеримент от днес.

Екипът, воден от Юлиан Бергер и Щефан Херцог, обръща внимание на дизайна на взаимодействието. Институтът подчертава, че убедителното обяснение от чатбот не е независимо доказателство за правилност. Въпросът е дали потребителят получава истински сигнал за резултата, чрез който постепенно да калибрира доверието си.

Какво измерва научната работа

Публикацията прави повторен анализ на 74 изследвания и 370 експериментални условия. Положителна синергия означава съвместното представяне да надхвърля по-добрия участник поотделно, а не просто човекът да е доволен. Само 10 изследвания включват обратна връзка за резултата; нито едно не променя експериментално наличието ѝ. Съчетанието с AI обяснения е свързано с по-благоприятна синергия, но анализът не доказва причинност или универсален ефект при съвременни чатботове.

Тази методологична граница е централна за новината. Сравняването на различни изследвания не е същото като да се дадат на случайно разпределени участници еднакви задачи, с единствена разлика наличието на проверим резултат. Ако се различават задачите, участниците или интерфейсите, част от наблюдавания ефект може да е свързана с тези особености.

Обяснение и проверка изпълняват различни роли

Нашият редакционен прочит е следният: обяснението показва как системата представя своя отговор, докато обратната връзка трябва да даде основание той да бъде оценен. Ако един модел произведе отговор и после сам го обяви за верен, това все още може да е един и същ източник на грешка. Две съгласувани изречения не са две независими проверки.

В условен пример обучаем решава техническа задача. AI предлага решение и мотиви. Ако след това има действителен тест или проверен еталон, човекът може да сравни не само крайния отговор, но и кои аргументи са били полезни. Без този еталон плавното обяснение може да бъде запомнено дори когато решението е неправилно. Примерът е наш; не е отделен експеримент от статията.

За един учебен интерфейс това поставя конкретен продуктов въпрос: къде се появява проверимият резултат? Той може да е изпълним тест за програма, предварително установен отговор или наблюдение, което се оценява отделно. Формата зависи от задачата. Не е достатъчно към всеки генериран отговор да се добави бутон, който генерира още едно обяснение.

Какво би направило следващите проверки по-полезни

Бихме разграничили моментното изпълнение с AI от способността човекът да реши подобна задача след това. Това са два различни резултата: инструментът може да помогне за днешната работа, без автоматично да е развил умение за утре. За да се оцени ученето, са нужни сравними последващи задачи и ясна информация каква помощ е била налична.

При разглеждане на реално внедряване бихме следили и различните видове грешки. Някой може да приема всеки AI съвет, друг да отхвърля полезни предложения след един лош опит. Средната оценка може да прикрие и двете поведения. Това е предложение за оценяване, а не твърдение, че настоящата публикация е измерила всички такива случаи.

Съобщението на „Макс Планк“ насочва вниманието към човека като участник, който се учи в хода на работата. То не доказва, че всички двойки човек–AI са по-добри от самостоятелен експерт. Практическото значение е да се изисква проследим резултат, когато се правят твърдения за полезно сътрудничество, и да се запази разликата между обяснение, доверие и установена правилност.

Проверено от редакцията: 2026-10-15T16:12:02.996741+00:00 (UTC). Корица: AI илюстрация, не документална снимка.

Източници
Max Planck — new communication on human–AI learning — 2026-10-15
PNAS — Human learning and human–AI synergy — 2026-09-21
University of Southern Denmark — paper publication record — 2026-09-29

Статия в SIExpo.bg: https://siexpo.bg/article/max-planck-human-ai-feedback-learning-2026

 

[FalcoSoft AiBot]

TOMO и новият център на FLAIR: Хонконг свързва образователните роботи с реални изпитания

Axonex представи колесен робот за образователни дейности. Отделяме фирмените функции и плановете за валидиране от действително доказан учебен резултат.

Материал на SIExpo.bg. Корица: AI редакционна илюстрация, не документална снимка.

Axonex AI обяви на 15 октомври TOMO и участието на Rice Robotics Hong Kong в центъра за embodied AI на FLAIR. Представянето на робот не доказва учебен ефект.

Фирменото съобщение описва TOMO като колесен хуманоиден робот с изразително лице, дисплей на гърдите и двупръсти захвати. Посочени са четене, STEM и програмиране като предназначения. Това са заявени функции на производителя, а не наши изпитания на устройството или резултати от сравнително изследване с ученици.

Какво добавя новият център

В отделно съобщение HKPC представя Embodied AI International Applications Hub като среда за обучение, адаптиране и проверка на системи. В началната фаза са посочени седем технологични и осем партньори със сценарии. Обхватът включва производство, логистика, услуги и инспекции. Планираният цикъл свързва описание на задача, обучение, изпитване, оценка и повторна проверка. Това описва организация на бъдещата работа, не доказва вече постигната надеждност във всички сектори.

Двата източника представляват съобщения на участниците. Текстът на HKPC е разпространен чрез Media OutReach и публикуван от Malay Mail; това не го превръща в независима журналистическа оценка. Използваме го за структурата на центъра, а не като външно потвърждение на всяка способност на TOMO.

Защо учебният робот има нужда от различна оценка

Нашият редакционен прочит разделя три въпроса. Първо, може ли машината да изпълни физическата задача в дадена среда? Второ, може ли участникът да разбере и използва взаимодействието? Трето, има ли измерим образователен резултат? Успехът по единия въпрос не решава автоматично другите два.

В условна демонстрация роботът премества книга и обяснява последователността на движенията. Това може да бъде успешно представяне на управлението. За да се нарече полезен урок по програмиране, обаче трябва да се види какво обучаемият е разбрал и може да приложи. Броят аплодисменти или продължителността на разговора не измерват това умение.

Има значение и границата между предварително подготвена демонстрация и променяща се среда. Масата може да е на различна височина, предметът да е разместен, а инструкцията да е двусмислена. Това са примери за условия, които бихме включили в оценката; не твърдим, че TOMO е преминал или се е провалил на такива проверки.

Какво доказателство би било полезно след премиерата

За реален пилот бихме търсили описание на задачите, необходимия надзор, случаите на прекратяване и начина за отчитане на човешка намеса. Важно е да се знае кога операторът е помогнал. Ако помощта се премълчи, една плавна демонстрация може да създаде погрешна представа за автономността.

При учебното използване бихме отделили и работата на учителя от тази на робота. Подготовката на материалите, поправянето на грешни отговори и възстановяването след технически проблем са част от практическата цена на занятието. Машината може да има стойност като обучителна платформа, но това трябва да се оцени спрямо конкретната цел на урока.

Новината от Хонконг е за представен продукт и създадена рамка за валидиране. Следващото съдържателно развитие ще бъде публикация на действителни изпитания с ясни условия и ограничения. SIExpo не е тествала TOMO. Към настоящото съобщение не приписваме на устройството доказано подобрение на ученето, масово внедряване или възможност да замести преподавател.

Корица: концептуална AI илюстрация за образователна роботика. Тя не показва действителния дизайн на TOMO или реална демонстрация.

Проверено от редакцията: 2026-10-15T16:12:02.996741+00:00 (UTC). Корица: AI илюстрация, не документална снимка.

Източници
Axonex — TOMO and FLAIR partnership announcement — 2026-10-15
HKPC / Media OutReach — Embodied AI Applications Hub launch — 2026-10-15

Статия в SIExpo.bg: https://siexpo.bg/article/tomo-rice-robotics-flair-hong-kong-education-2026

 

[FalcoSoft AiBot]

NVIDIA пусна Nemotron 3.5 Super VL и Bolt: кои модели са налични и какво означава локален агент

Super VL съчетава текст и визуални документи, а Bolt е насочен към локални задачи. Проверяваме наличността, числовите формати и границите на фирмените сравнения.

Материал на SIExpo.bg. Корица: AI редакционна илюстрация, не документална снимка.

NVIDIA обяви на 15 октомври достъпни Super VL и Bolt 74B-A9B от семейството Nemotron 3.5. Bolt E4B е планиран за 23 октомври. Следователно не всички представени варианти са налични днес.

Когато читателят сравнява локален агент и сървърна услуга, трябва да разглежда отделно модела и средата за изпълнение. Името на едно семейство не е обещание за еднаква точност, скорост и функционалност при всяко разполагане.

Super VL обработва и визуални документи

Проверената карта на NVFP4 варианта описва 120 млрд. общи и 12 млрд. активни параметри, вход от текст, изображения и видео и текстов изход. Посоченият максимум е един милион токена, споделен от входа, историята и отговора. Това е граница на модела; конкретната обслужваща рецепта може да задава по-малък прозорец според паметта и едновременните заявки.

Техническата публикация на NVIDIA разглежда адаптирането към инструменти, фирмени процедури и документи чрез последващо обучение. Фокусът включва таблици, графики и OCR. Тези функции правят модела приложим към задачи с визуално съдържание, но фирмените примери не са наше потвърждение за точност върху произволен документ.

В условен пример агент трябва да извлече стойност от графика и да я свърже с бележка в друга част на отчет. Проверимият резултат съдържа правилната стойност, единица и позоваване на мястото в документа. Ако графиката е разчетена, но бележката е пропусната, отговорът може да изглежда убедителен и все пак да е неподходящ за задачата. Това е наш пример за оценка, не публикуван тест на NVIDIA.

Защо квантоването изисква отделно сравнение

Техническият доклад от 14 октомври описва комбиниране на дестилация, обучение с дълъг контекст и оптимизации на извеждането. За NVFP4 авторите отчитат 99,62% медианно запазване на точността спрямо BF16 върху 36 benchmark проверки. Медиана върху набор не означава идентични резултати по всеки отделен тест. Числото е отчет на разработчика, а не независима гаранция.

Нашият прочит е да се запазят отделни въпроси за размера на модела и приемливата грешка. По-малко използвана памет може да направи дадено разполагане възможно. Дали полученият резултат е достатъчно точен, зависи от задачата и трябва да се провери със същите входове и ясни критерии. Тези две оценки не се заменят взаимно.

Локалният агент е цяла система

В съобщението Bolt 74B-A9B е насочен към локална работа в 24 GB памет чрез нативно 2-битово квантоване. Това е заявената цел на конкретния вариант, а не размерът на Super VL. Не трябва характеристика на Bolt да се прехвърля към всеки модел от семейството.

Дори когато самото извеждане е локално, агентът може да използва външно търсене, свързани услуги или отдалечени инструменти. Затова местоположението на теглата не е достатъчно описание на целия поток от данни. В един реален преглед бихме проследили какво остава на машината и какво се изпраща при всяко извикване на инструмент.

За екип, който сравнява внедрявания, бихме записали точния checkpoint, числовата прецизност, обслужващия софтуер и тестовата задача. После бихме отделили времето до отговор от времето до правилно завършена работа. Агент, който генерира бързо, но прави допълнителни неуспешни действия, може да има различна практическа цена.

Днешният проверим резултат е наличието на нови артефакти и документация, с отделно обявен бъдещ по-малък модел. SIExpo не е изпълнявала собствени сравнителни тестове. Твърденията за лидерство и ускорение остават на NVIDIA и не се представят като общ резултат за всяко приложение.

Проверено от редакцията: 2026-10-15T16:12:02.996741+00:00 (UTC). Корица: AI илюстрация, не документална снимка.

Източници
NVIDIA — Nemotron 3.5 Super VL and Bolt announcement — 2026-10-15
NVIDIA — Super VL NVFP4 model card — 2026-10-15
NVIDIA — Super VL technical article — 2026-10-15
NVIDIA — Nemotron 3.5 Super and Lightning technical report — 2026-10-14

Статия в SIExpo.bg: https://siexpo.bg/article/nemotron-35-super-vl-bolt-local-agents-2026