Ежедневный дайджест

6 пунктов · ~6 мин · Неделя 2026-W30

Стоит знать (2)

Alibaba представила превью Qwen3.8-Max — мультимодального флагмана с 2,4 трлн параметров

Alibaba / Qwen
модели/LLM офиц. + СМИ 3 ист. ~1 мин

Команда Alibaba Qwen представила превью Qwen3.8-Max — модели с 2,4 трлн параметров, первой мультимодальной модели команды с числом параметров выше 1 трлн, обрабатывающей текст, изображения, видео и документы. Компания заявляет о намерении в конечном счёте выпустить веса в открытом доступе, но пока не назвала дату, лицензию, не опубликовала бенчмарки или model card.

Почему это важно
Позиционирует новый флагман Qwen напрямую против Kimi K3 и западных фронтир-моделей в продолжающейся гонке китайских открытых весов, хотя превью вышло без какой-либо независимой проверки бенчмарков.

Xiaomi-Robotics-1: масштабирование vision-language-action моделей на 100 000+ часов реальных траекторий

Xiaomi Robotics
исследования официальный 2 ист. ~1 мин

Xiaomi Robotics представляет vision-language-action фундаментальную модель, обученную более чем на 100 000 часах данных о реальных манипуляциях, собранных с помощью устройств UMI, с использованием двухэтапного пайплайна предобучения/пост-обучения с автоматически сгенерированными языковыми аннотациями. Модель устанавливает state-of-the-art результаты на бенчмарках RoboCasa365 (57,6% успеха) и RoboDojo.

Почему это важно
В тренде Hugging Face Daily Papers с 72 голосами — одна из наиболее обсуждаемых работ по робототехнике за неделю и показательный ориентир того, сколько данных о реальных траекториях требуется для масштабирования VLA-моделей.
Справочно (4)

RAGU: многоэтапный движок GraphRAG с компактной доменно-адаптированной LLM

Novosibirsk State University / ITMO University
исследования официальный 2 ист. ~1 мин

RAGU — GraphRAG-система с открытым исходным кодом, которая отделяет извлечение сущностей от консолидации через шестиэтапный пайплайн (типизированное извлечение, дедупликация DBSCAN, детекция сообществ), в паре с Meno-Lite-0.1 — дообученной 7B-моделью для извлечения, которая превосходит Qwen2.5-32B в построении графов знаний на 12,5%.

Почему это важно
Показывает, что компактная доменно-адаптированная 7B-модель может превзойти намного более крупную универсальную модель в построении GraphRAG, работая на одном GPU, и подтверждает тезис, что навыки извлечения/понимания масштабируются с ростом модели медленнее, чем фактические знания.

xHC: Expanded Hyper-Connections масштабируют параллелизм residual-потока за прежние пределы

Shanghai Jiao Tong University / Xiaohongshu / USTC / Peking University / CUHK
исследования официальный 2 ист. ~1 мин

xHC расширяет Hyper-Connections за пределы N=4 параллельных residual-потоков, сочетая аугментацию обратной записи через каузальную свёртку с разреженными residual-обновлениями (активны только 4 из 16 потоков) при сохранении плотного доступа на чтение, устраняя кубическую стоимость и информационные узкие места, которые ранее блокировали масштабирование. На MoE-моделях 18B и 28B она улучшает показатели downstream-задач на 4,0 и 3,1 балла по сравнению с прежней mHC.

Cura 1T: специализированная модель для агентного здравоохранения

actAVA AI
исследования официальный 2 ист. ~1 мин

Cura 1T — специализированная в здравоохранении LLM, обученная через контролируемый человеком цикл самоэволюции, в котором обучающий агент итеративно планирует улучшения возможностей, оценивает их по бенчмаркам и уточняет смесь данных, вместо разовых обновлений медицинских данных. Модель нацелена на консультации пациентов, клиническое рассуждение по тексту/изображениям и интерактивную диагностику с использованием инструментов EHR, показывая 0,940 на MedAgentBench и 0,796 pass@1 на AgentClinic.

OpenClaw 2026.7.2 beta добавляет удалённые сессии кодирования для Codex/Claude/OpenCode

OpenClaw
инструменты официальный 1 ист. ~1 мин

Предрелиз OpenClaw v2026.7.2-beta.3 добавляет удалённые сессии кодирования, которые запускают сессии Control UI на облачных воркерах, открывают каталожные сессии Codex и Claude в терминалах на их хостах и возобновляют сессии OpenCode и Pi прямо в терминале, а также нативный паритет автоматизации на мобильных устройствах/Android и разграничение подключений MCP-сервера по сессиям.

Почему это важно
Расширяет роль OpenClaw как оркестрационного слоя, объединяющего несколько кодинг-агентов (Codex, Claude Code, OpenCode) в единый удалённый/мобильный воркфлоу.