AI dziś: DeepSeek V4.1-Flash i Kimi K3.1 Pro
Autorstwo i zatwierdzenie
Publikacja i aktualizacja
Stan wiedzy i źródła
Zestawienie obejmuje dwa modele z otwartymi wagami, wdrożenia asystentów głosowych i narzędzie do generowania wideo. DeepSeek raportuje wzrost wyników V4.1-Flash w 11 testach, a Kimi K3.1 Pro ma kontekst miliona tokenów. Meta udostępnia rozmowy Muse w USA, Google przenosi Gemini Live do CarPlay, a Gemini Omni 1.2 Flash wydłuża generowane klipy do 15 sekund.
Najważniejsze dziś (TL;DR)
- DeepSeek V4.1-Flash-1017: Wersja uzyskała wyższe wyniki od poprzedniej w 11 testach porównawczych.
- Kimi K3.1 Pro: Model obsługuje tekst i obrazy oraz ma okno kontekstu o długości miliona tokenów.
- Muse: Meta udostępnia rozmowy głosowe w aplikacji w USA, na telefonach, w przeglądarce i na Macu.
- Gemini Live w Apple CarPlay: Użytkownicy Gemini na iOS mogą rozmawiać z asystentem bez używania rąk.
- Gemini Omni 1.2 Flash: Model generuje klipy do 15 sekund, a cena spadła o 30% względem wersji 1.1.
DeepSeek aktualizuje V4.1-Flash, poprawiając wyniki w 11 testach
DeepSeek udostępnił na Hugging Face wersję V4.1-Flash-1017, która uzyskała wyższe wyniki od poprzedniej w 11 testach porównawczych. Raport deklaruje krótszy czas wykonania i krótsze odpowiedzi, co ma pozwalać użytkownikom kończyć zadania szybciej i mniejszym kosztem.
- Terminal-Bench 4.0: wynik wzrósł z 31,2 do 42,3; test sprawdza zadania wykonywane w terminalu.
- ProgramBench: wynik wzrósł z 20,3 do 29,1, a Automation-Bench — z 54,8 do 60,5.
- Chartography z narzędziami: wynik wzrósł z 78,9 do 83,0; BabyVision — z 89,6 do 92,5.
- Okno kontekstu, czyli ilość tekstu przetwarzanego naraz, wynosi do 1 mln tokenów. Zalecana maksymalna długość odpowiedzi to co najmniej 256 tys. tokenów.
- Wagi modelu mają licencję MIT, a repozytorium zawiera instrukcje lokalnego uruchomienia. Wymagań pamięci i sprzętu źródło nie podaje.
W labie: W bazie labu jest opis DeepSeek-V4.1-Flash, który wskazuje kontekst do miliona tokenów i kompresję pamięci KV. Nowy raport przedstawia wersję 1017 jako aktualizację tego modelu, z poprawionymi wynikami w testach.
Dla budujących z AI: Zespoły uruchamiające model lokalnie mogą sprawdzić instrukcje konwersji wag i kodowanie promptów, czyli format poleceń przekazywanych modelowi. Źródło nie podaje cen API, wymagań sprzętowych ani dostępności w UE.
Moonshot AI udostępnił Kimi K3.1 Pro z kontekstem 1M
Moonshot AI udostępnił na Hugging Face model Kimi K3.1 Pro z milionem tokenów w oknie kontekstu. Model obsługuje tekst i obrazy, a jego wagi są otwarte.
- 2,8 biliona parametrów ma architektura MoE, czyli model wybiera część wyspecjalizowanych komponentów; aktywnych jest 104 mld.
- Kimi K3.1 Pro powstał przez dalsze trenowanie Kimi K3 z uczeniem ze wzmocnieniem na setkach zadań. To pierwszy model z serii K3.1.
- W testach uzyskał 70 punktów w HLE-Full z narzędziami, 92,1 w BrowseComp i 51,7 w SWE Marathon v1.1.
- Wymagań pamięci i sprzętu do uruchomienia z otwartymi wagami źródło nie podaje.
W labie: W bazie labu jest wrześniowe porównanie wdrożeń Kimi-K3: opisywało model 2,8T z kontekstem 1M, więc K3.1 zachowuje tę skalę, ale wprowadza kolejną wersję i deklarowane ulepszenia.
Dla budujących z AI: Zespoły rozważające uruchomienie modelu z własnymi wagami powinny sprawdzić wymagania sprzętowe i licencję. Materiał nie podaje też ceny ani wyników dla języka polskiego.
Meta wdraża głosowe rozmowy Muse w USA
Meta wprowadza do aplikacji Muse rozmowy głosowe w czasie rzeczywistym na telefonach, w przeglądarce i na Macu. Użytkownicy mogą mówić z asystentem, przerywać mu i wybierać, czy chcą widzieć awatar.
- Aplikacja Muse: funkcja jest udostępniana w Stanach Zjednoczonych.
- Awatar: reaguje mimiką i gestami dopasowanymi do tonu rozmowy; można go wyświetlać obok rozmowy lub na pełnym ekranie.
- Setki głosów: użytkownik może wybrać styl głosu i zmienić go w dowolnym momencie.
- Okulary AI i Muse Charm: rozmowy głosowe mają pojawić się na tych urządzeniach w przyszłości.
W labie: w bazie labu jest zapowiedź agenta Muse na okulary AI i głosowego Muse Charm; obecne wdrożenie przenosi rozmowy głosowe do aplikacji.
Dla budujących z AI: Zespoły tworzące asystentów głosowych mogą sprawdzić dostępność Muse w USA i przetestować rozmowę z możliwością przerywania. Źródło nie podaje ceny, obsługi języka polskiego, limitów ani terminu dostępności w UE.
Google przenosi Gemini Live do Apple CarPlay
Google wprowadza Gemini Live do Apple CarPlay, by kierowcy mogli rozmawiać z asystentem bez używania rąk. Użytkownicy iPhone’ów mogą głosowo sprawdzać kalendarz, streszczać e-maile i ćwiczyć przed spotkaniami.
- Gemini Live obsługuje swobodną rozmowę: można zmieniać temat, dopowiadać szczegóły i robić przerwy.
- Rozmowy synchronizują się z aplikacją Gemini na iPhonie; po zaparkowaniu czekają w historii czatu.
- Wdrożenie rusza globalnie dla użytkowników Gemini na iOS, w obsługiwanych językach Gemini Live.
- Aby zacząć, trzeba zaktualizować aplikację, włączyć dostęp do mikrofonu i wcześniej użyć Gemini Live na telefonie.
- Daily Brief wymaga wcześniejszego włączenia. Personalizacja tej funkcji nie jest dostępna dla osób poniżej 18 lat ani w EOG i Nigerii.
W labie: Google wcześniej opisywał głosowe funkcje produktywności Gemini Live. CarPlay przenosi podobny sposób pracy z asystentem do samochodowego ekranu.
Dla budujących z AI: Zespoły tworzące asystentów głosowych powinny sprawdzić obsługę języków na swoich rynkach. Źródło nie podaje cen ani pełnej listy języków.
Google wydłuża klipy Gemini Omni Flash do 15 sekund
Google udostępniło Gemini Omni 1.2 Flash, który generuje 15-sekundowe wideo, a jego cena spadła o 30% względem wersji 1.1. Deweloperzy i firmy mogą korzystać z modelu w Gemini API, Google Vids i Gemini for business.
- 3–15 sekund: długość klipu można ustawić z dokładnością do jednej sekundy.
- 0,07 USD za sekundę w 720p — tyle kosztuje generowanie po obniżce.
- 360p lub 720p służy do szybkich szkiców; gotowy klip można podnieść do 1080p lub 4K.
- Edycja konwersacyjna pozwala poprawiać klip kolejnymi poleceniami, zamiast generować go od początku. Można zmienić m.in. tło, oświetlenie i proporcje obrazu.
- Model przyjmuje obrazy referencyjne, krótkie klipy ruchu do 3 sekund i sygnały audio; Google deklaruje lepszą spójność postaci, obiektów i scen.
W labie: 28 sierpnia opisywaliśmy Gemini Omni 1.1 Flash lets you build with more control; wersja 1.2 wydłuża klipy z 10 do 15 sekund i obniża cenę o 30%.
Dla budujących z AI: Zespoły tworzące reklamy wideo mogą sprawdzić, jak cena za sekundę przekłada się na koszt produkcji i czy edycja kolejnymi poleceniami pasuje do ich pracy. Ogłoszenie nie podaje limitów użycia, dostępności w Polsce ani warunków licencji.
Najczęściej zadawane pytania (FAQ)
Jakie wyniki poprawił DeepSeek V4.1-Flash-1017?
Raport V4.1-Flash-1017 podaje wyższe wyniki niż poprzednia wersja w 11 testach. Terminal-Bench wzrósł z 31,2 do 42,3, ProgramBench z 20,3 do 29,1, a Chartography z narzędziami z 78,9 do 83,0. Raport deklaruje też krótsze wykonanie i odpowiedzi.
Co wiadomo o Kimi K3.1 Pro?
Model ma 2,8 biliona parametrów w architekturze MoE, z czego aktywnych jest 104 mld, oraz okno kontekstu miliona tokenów. Obsługuje tekst i obrazy. Materiał podaje wyniki w HLE-Full, BrowseComp i SWE Marathon, ale nie wymagania sprzętowe.
Jak zmieniło się generowanie wideo w Gemini Omni 1.2 Flash?
Model tworzy klipy o długości od 3 do 15 sekund, a generowanie w 720p kosztuje 0,07 USD za sekundę. Wersja 1.2 jest o 30% tańsza od 1.1; dostępna jest m.in. przez Gemini API, Google Vids i Gemini for business.
Źródła
- DeepSeek: DeepSeek-V4.1-Flash-1017 — 2026-10-17
- Kimi (Moonshot AI): Kimi-K3.1-Pro — 2026-11-02
- Give Your Muse a Voice — 2026-11-05
- Talk it through with Gemini, now on Apple CarPlay — 2026-11-11
- Gemini Omni 1.2 Flash: Fast and cost-effective with longer clips — 2026-11-05
--- Tekst przygotowany automatycznie przez laboratorium aipoc-lab (AI) na podstawie publicznie dostępnych źródeł wymienionych powyżej. Streszczenia własne, nie kopie. Wersja przed redakcją człowieka.
Manifest pochodzenia tego wpisu (JSON) — z jakich sygnałów powstał, jakie decyzje podjęły kolejne pętle i kiedy zatwierdził go człowiek.
Powiązane wpisy
AI dziś: ChatGPT Wallet i DeepSeek API
ChatGPT Wallet wymaga weryfikacji każdego zakupu, a DeepSeek udostępnia przez API wyszukiwanie, obsługę plików i odczyt stron.
AI dziś: Gemini 4 Hydrogen i AlphaGenome 2
Gemini 4 Hydrogen trafia do wyszukiwarki, a Decisions API ocenia do 1000 pytań; AlphaGenome 2 wskazuje niemal dwa razy więcej wariantów.
AI dziś: Gemini 4 Hydrogen i agenci OpenAI
Gemini 4 Hydrogen ma milion tokenów kontekstu, a agenci medyczni OpenAI uzyskali w testach ocenę bezpieczeństwa dla 99% zadań.
AI dziś: llama.cpp 1.0.0 i Shield
llama.cpp i ggml wprowadzają reguły zgodności w wersji 1.0.0, a XYBench sprawdza 8115 pytań o błędne założenia użytkowników.