Microsoft і Google одночасно випустили нові моделі штучного інтелекту: голосові, зображення та локальні відкриті можливості одночасно

Microsoft і Google у четвер обидві оголосили про запуск нових моделей ШІ, але між ними відчутна різниця: Microsoft випустила нову базову модель MAI, яку можна отримати лише через її платформи Azure Foundry і MAI Playground, доступну лише в США; тоді як Google представила зовсім нову відкриту (open-source) модель Gemma 4, яку можна запускати локально. Крім того, Google змінила ліцензійні угоди для цих нових відкритих моделей на Apache 2.0.

Три «моделі MAI рівня світового класу», створені власноруч

Microsoft представила «моделі MAI рівня світового класу», створені власноруч, які загалом включають три варіанти:

Першою є MAI-Transcribe-1 — це «найсучасніша» модель перетворення мовлення на текст, яка здатна розуміти 25 мов, що найширше використовуються у світі, а її пакетне розпізнавання мовлення у 2,5 раза швидше, ніж наявне в Microsoft рішення Azure Fast.

Другою є MAI-Voice-1 — нова модель генерації голосу, яка здатна створити аудіо тривалістю 60 секунд лише за 1 секунду. Водночас вона також підтримує створення кастомних голосів у Microsoft Foundry на основі коротких зразків аудіо.

Нарешті, це MAI-Image-2 — швидша модель текст-в-зображення, яка вже почала виходити в Copilot, а далі поступово застосовуватиметься в Bing і PowerPoint.

Microsoft заявляє:

«Ми швидко розгортаємо ці топові моделі, щоб підтримувати власні споживчі та бізнес-продукти. Дуже скоро ви побачите більше моделей у Foundry та в різних продуктах і досвідах Microsoft».

Відкрита модель Gemma 4 від Google

Google випустила відкриту модель Gemma 4, що використовує ліцензію Apache 2.0, а не попередню власну ліцензію Gemma. Google зазначає, що ці моделі мають розширені можливості міркування (reasoning), агентні (agentic) робочі процеси, генерацію коду, а також можливості для генерації візуального контенту й аудіо. Вони доступні у чотирьох різних версіях, оптимізованих для локального запуску, і навіть можуть працювати на «десятках мільярдів пристроїв Android».

Google заявляє:

«Gemma 4 базується на дослідженнях і технологіях рівня світового класу, аналогічних тим, що лежать в основі Gemini 3, і є однією з найпотужніших лінійок моделей, які ви можете запускати локально на апаратному забезпеченні. Вони доповнюють наші моделі Gemini, надаючи розробникам найсильніший у галузі набір інструментів — як відкритих, так і пропрієтарних».

Серед них великі за масштабом версії Gemma 4 на 26B і 31B орієнтовані на запуск на споживчих GPU; їх можна використовувати для роботи з IDE, як помічників для програмування та в агентних робочих процесах. Натомість більш легкі версії E2B та E4B роблять більший акцент на мульти-модальних можливостях і обробці з низькою затримкою, що підходить для мобільних пристроїв та пристроїв інтернету речей (включно з Raspberry Pi). Ці моделі також підтримують повністю офлайн-роботу.

Відкриту модель Gemma 4 від Google можна завантажити на кількох платформах, зокрема в Hugging Face, Kaggle та Ollama. Google підкреслює:

«Щодо безпеки базової інфраструктури ці моделі дотримуються таких самих суворих протоколів безпеки, як і наші пропрієтарні моделі».

Більше новин триває, оновлення надходитимуть

Попередження про ризики та застереження щодо відповідальності

        На ринку є ризики, інвестуйте обережно. Ця стаття не є персональною інвестиційною порадою, і вона не враховує особливі інвестиційні цілі, фінансовий стан або потреби конкретних користувачів. Користувачі мають оцінити, чи відповідають будь-які думки, погляди або висновки, викладені в цій статті, їхнім конкретним обставинам. Виходячи з цього, інвестор діє на власний ризик і несе відповідальність самостійно.