AI ამბების ყველა სტატია, რომელიც ეხება თემებს ღია კოდის AI და ღია კოდის AI მოდელები — ორივე მიმართულება ერთ გვერდზე, განახლებადი ახალი მასალის გამოქვეყნებისთანავე.
24 სტატია
DeepSeek-ის ოფიციალურმა V4-Flash-0731-მა კოდირებისა და აგენტულ ბენჩმარკებზე გადააჭარბა საკუთარ უფრო დიდ V4-Pro მოდელს, მიუხედავად იმისა, რომ თითოეულ ტოკენზე გაცილებით ნაკლები პარამეტრი აქვს აქტიური.
ვრცლად →LG AI Research-მა გამოუშვა K-EXAONE 2.0 — 750-მილიარდპარამეტრიანი ღია წონების AI მოდელი Apache 2.0 ლიცენზიით, რომელიც ჩინურ და ამერიკულ წამყვან AI ლაბორატორიებს ეჯიბრება.
ვრცლად →Ant Group-ის Ling-3.0-Flash მხოლოდ 5.1 მილიარდი აქტიური პარამეტრით მსჯელობისა და კოდირების ბენჩმარქებზე რამდენჯერმე დიდ მოდელებს შეედრება, კომპანიის თქმით.
ვრცლად →პეკინში დაფუძნებულმა Moonshot AI-მ Kimi K3-ის სრული ღია წონები გამოაქვეყნა — 2.8-ტრილიონპარამეტრიანი მოდელი, რომელსაც კომპანია დღემდე გამოქვეყნებულ ყველაზე დიდ ღია მოდელად მოიხსენიებს.
ვრცლად →
Poolside სტარტაპია, რომელიც კოდის დასაწერად და გასასწორებლად გაწვრთნილ AI მოდელებს ქმნის და შემდეგ უფასოდ აქვეყნებს. აი, ვინ დგას მის უკან და როგორ მუშაობს მისი მოდელები.
ვრცლად →Poolside-ის ახალი 118-მილიარდპარამეტრიანი Laguna S 2.1 აგენტური კოდირების ბენჩმარქებში გაცილებით დიდ მოდელებს ეჯიბრება და ღია ლიცენზიით ვრცელდება.
ვრცლად →
Mistral AI პარიზში დაფუძნებული ლაბორატორიაა, რომელიც ცდილობს გახდეს ევროპის პასუხი OpenAI-სა და Anthropic-ისთვის — ცნობილია ღია წონების მოდელებითა და „სუვერენული AI“-ის მიდგომით.
ვრცლად →
Kimi K3 ჩინური სტარტაპის Moonshot AI-ის გიგანტური ღია წონების AI მოდელია. აი, რა არის ის, ვინ შექმნა და რატომ შეარყია მისმა გამოშვებამ Nvidia-სა და ჩიპის ინვესტორები.
ვრცლად →ჩინურმა Moonshot AI-მ გამოუშვა Kimi K3 — 2.8-ტრილიონპარამეტრიანი ღია მოდელი 1 მილიონ ტოკენამდე საკონტექსტო ფანჯრით, რომელსაც კომპანია მსოფლიოში პირველ ღია 3-ტრილიონიან-კლასის AI მოდელად მოიხსენიებს.
ვრცლად →PrismML-მა გამოუშვა Bonsai 27B — 27-მილიარდპარამეტრიანი ღია წონების მოდელი, შეკუმშული 4GB-მდე, რომელიც სმარტფონზეც მუშაობს და თითქმის მთლიან შესაძლებლობებს ინარჩუნებს.
ვრცლად →მირა მურატის სტარტაპმა გამოუშვა Inkling — 975 მილიარდპარამეტრიანი ღია წონების მოდელი, რომელიც შექმნილია არა რეიტინგებში გამარჯვებისთვის, არამედ დეველოპერების მიერ მორგებისთვის.
ვრცლად →
DeepSeek — ჩინური AI ლაბორატორიაა, რომლის იაფად გაწვრთნილმა, ღია წონების მოდელებმა Nvidia-ს აქციები ისტორიულად დასცა და ინდუსტრიის ხედვა AI-ხარჯებზე შეცვალა.
ვრცლად →Meta-ს ახლა ორი განსხვავებული AI მოდელების ოჯახი აქვს: ღია წონების Llama და ახალი დახურული Muse. აი, რით განსხვავდებიან და როგორ გამოვცადოთ ორივე.
ვრცლად →GLM არის ჩინური ლაბორატორია Zhipu AI-ის (Z.ai) ღია წონების AI მოდელების ოჯახი — უფასოდ გადმოსაწერი და თვითჰოსტინგისთვის ხელმისაწვდომი, რომელიც წამყვან ამერიკულ მოდელებს API-ის ფასის მეექვსედად ეჯიბრება.
ვრცლად →Z.ai-მ გამოუშვა GLM-5.2 — 744-მილიარდ-პარამეტრიანი ღია კოდის მოდელი, რომელიც GPT-5.5-ს ბევრ ტესტში ჯობნის და Claude Opus 4.8-ს მხოლოდ მცირე ზღვრით ჩამოუვარდება, ნვიდიას ჩიპების გარეშე.
ვრცლად →Mistral-ის ახალი ღია კოდის მოდელი Lean 4-ში ფორმალურ ვერიფიკაციას ავტომატიზებს: miniF2F-ზე 100%, კომპლექსური თეორემების 87% ამოხსნილი, 5 უცნობი შეცდომა კოდბაზებში — ამოცანაზე $4-ად.
ვრცლად →ჩინურმა ტექნოლოგიურმა კომპანია Meituan-მა LongCat-2.0 MIT ლიცენზიით გამოაქვეყნა — 1,6 ტრილიონი პარამეტრის AI მოდელი, რომელიც მხოლოდ ჩინური ჩიპებით გავარჯიშდა და ფრონტიერ-კლასის ღია კოდის მოდელებს შეუერთდა.
ვრცლად →ღია წონების AI მოდელები პარამეტრებს საჯაროდ ავრცელებენ, ასე რომ ნებისმიერს შეუძლია მათი გადმოწერა, გაშვება ან მორგება — განსხვავებით GPT-4 ან Gemini-სგანი, რომლებიც მხოლოდ ფასიანი API-ის გავლით ხელმისაწვდომია. აი, რას ნიშნავს ეს განსხვავება პრაქტიკაში.
ვრცლად →Qwen (Tongyi Qianwen) არის Alibaba Cloud-ის AI მოდელების ოჯახი, რომელიც მოიცავს ტექსტს, კოდს, მხედველობასა და სხვა მოდალობებს — 2026 წლისთვის გახდა მსოფლიოში ყველაზე გადმოტვირთული ღია AI მოდელების სერია.
ვრცლად →ღია AI მოდელები ათავისუფლებს მომხმარებელს API-ის გადასახადებისგან — მათი ჩამოტვირთვა, გაშვება და მოდიფიცირება ყველასთვის ხელმისაწვდომია. გზამკვლევი იმაზე, რას ნიშნავს ეს პრაქტიკაში და სად დაიწყოთ.
ვრცლად →Liquid AI-მ გამოუშვა LFM2.5-230M — 230 მილიონ-პარამეტრიანი ღია წვდომის მოდელი, რომელიც სმარტფონის პროცესორზე 213 ტოკენს ამუშავებს წამში და Raspberry Pi-ზე — 42-ს. ღრუბლოვანი სერვისი არ სჭირდება.
ვრცლად →