Новые модели ИИ: август 2026 — что произошло за две недели и почему это важно

Август обычно считается тихим месяцем. Не в мире ИИ. С 9 по 13 августа 2026 года крупные лаборатории выпустили сразу несколько релизов, которые меняют расстановку сил — особенно в части open-weights моделей и стоимости инференса. Попробую разобраться, что здесь действительно важно для практики, а не для пресс-релиза.

Флагманы и флагманчики: большие релизы первой недели

DeepSeek V4 Pro 0813 выходит из preview

DeepSeek наконец-то перевёл свой флагман с 1.6 триллиона параметров из preview-статуса в стабильный GA-релиз. Модель провела почти четыре месяца в тестовом режиме — для такого масштаба это нормально. Важнее другое: буквально в тот же день DeepSeek объявил о повышении цен на API. Вывод по API вырастет более чем вдвое с 16 августа, и компания переходит на динамическое ценообразование в зависимости от времени суток. Ультра-дешёвая эпоха DeepSeek, похоже, заканчивается.

Здесь стоит уточнить: рост цен сам по себе не плохой знак. Он означает, что спрос достаточно высок, чтобы компания могла позволить себе не демпинговать. Тем, кто строит продукты на базе DeepSeek, стоит пересчитать unit-экономику прямо сейчас.

Grok 4.6 — агентный флагман xAI

xAI выпустил Grok 4.6, позиционируя его как модель для длинных агентных сессий. Интересно, что улучшения достигнуты через post-training, а не через увеличение размера. Это trend, который прослеживается у нескольких лабораторий: выжимать из существующей архитектуры больше через качество данных и дообучение, а не через масштаб. Foundation model становится стартовой точкой, а не конечным продуктом.

Qwen3.8-Max — открытый 2.4-триллионник от Alibaba

12 августа на Hugging Face появились веса Qwen3.8-Max в форматах BF16 и FP8. Это открытая версия флагмана Alibaba с 2.4 триллиона параметров и 95 миллиардами активных параметров на токен (архитектура mixture-of-experts). Для сравнения: ещё год назад модели такого масштаба были исключительно закрытыми. Сейчас их можно скачать и запустить самостоятельно — если, конечно, у вас есть подходящий кластер.

Новые модели ИИ для края: телефоны, роботы, микроконтроллеры

Пожалуй, самый любопытный сдвиг этих двух недель — не в топовых флагманах, а в нижнем эшелоне. Несколько независимых команд выпустили модели, которые работают на устройствах без серверной инфраструктуры.

Needle 2 — 14 мегабайт для агентной работы

Cactus Compute выпустил Needle 2: 45 миллионов параметров, весь бинарник занимает 14 МБ. Модель умеет вызывать инструменты и предназначена для микроконтроллеров и робототехники. 14 мегабайт — это меньше, чем большинство мобильных приложений. Я честно не знаю, насколько широко это найдёт применение в 2026 году, но направление интересное: intelligence буквально встраивается в железо.

LFM2.5-VL-3B — читает экраны на телефоне

Liquid AI выпустила open-weights vision-модель на 3.1 миллиарда параметров, которая умеет читать интерфейсы мобильных и настольных приложений, указывать на объекты и вызывать инструменты прямо на устройстве. Это существенно для тех, кто строит ИИ-порталы с подключением различных AI-моделей: появляется возможность работать с визуальными интерфейсами без облачного инференса.

Muse Glimmer от Meta — 30B на одной потребительской видеокарте

Meta выпустила Muse Glimmer — 30-миллиардный открытый агентный базис, который планирует задачи, вызывает инструменты и восстанавливается после собственных ошибок. Запускается на одной настольной GPU. Для разработчиков это меняет картину: агентные возможности такого масштаба перестают требовать облачного бюджета.

Специализированные модели: медицина, знаковый язык, безопасность

SL2T — перевод жестового языка в текст

Google DeepMind выпустил SL2T — модель, которая читает координаты тела подписывающего человека и преобразует их в текст. Уже встроена в Gboard и Live Transcribe на Pixel. Это не исследовательская работа, а производственный инструмент. Масштаб потенциальной аудитории здесь огромен, и замалчивать это было бы странно.

GPT-5.6-Cyber — OpenAI создаёт специализированный уровень для кибербезопасности

OpenAI разделил Daybreak на два уровня: Blue (для защитников) и Red (для атакующих в рамках верифицированных тестов). Модель требует проверки и ориентирована на специалистов по безопасности, которые устали от автоматических отказов обычных моделей. Это признание того, что универсальные guardrails иногда мешают легитимной работе — отдельная и непростая тема в AI alignment.

Claude Fable 5 и биология

Anthropic объявил об обновлении биологических ограничений в Fable 5: на 85% меньше блокировок в повседневных образовательных и медицинских запросах. Цифра звучит убедительно, но я бы подождал независимой проверки. Переписать guardrails так, чтобы обычные вопросы проходили, а реально опасные блокировались — это нетривиально.

Открытые веса как новая норма

Если посмотреть на весь список августовских релизов, бросается в глаза одна вещь: большинство значимых выпусков сопровождаются открытыми весами. Motif 3 — 314B, MIT-лицензия. Nemotron 3.5 Lightning от NVIDIA — открытый MoE на 30B. Shieldstral от Mistral — открытый классификатор безопасности. Это уже не исключение, а стандарт для новых моделей ИИ средней величины.

Для бизнеса это означает одно: барьер для создания собственного аналитического или агентного продукта на базе открытых моделей продолжает снижаться. Тот, кто умеет работать с этими инструментами — будь то автоматизация блога на базе Claude или полноценный агентный пайплайн — получает конкурентное преимущество, которое сложно скопировать просто деньгами.

Видео и медиагенерация не останавливаются

LTX-2.5 — 10 секунд видео за 6.8 секунды

Lightricks выпустили открытую video-модель, которая рендерит связанные многоплановые сцены быстрее реального времени. 10 секунд видео за 6.8 секунды — это другая категория скорости. Если вы работаете с промптами для генерации видео, стоит следить за этим направлением: конкуренция между открытыми video-моделями сейчас острее, чем в текстовом сегменте.

Что всё это значит для практики

Две недели августа 2026-го показывают несколько устойчивых тенденций. Первое: новые модели ИИ всё активнее уходят на край — в телефоны, роботов, встроенные устройства. Второе: post-training обгоняет масштаб как способ улучшить модель. Третье: открытые веса стали нормой даже для крупных, дорогих в обучении систем. Четвёртое: специализация побеждает универсальность в нишах с высокими ставками — безопасность, медицина, жестовый язык.

Для маркетолога или предпринимателя практический вывод простой: тот период, когда нужно было ждать «стабильной» технологии, закончился примерно полтора года назад. Сейчас вопрос не «когда начать», а «на каком слое стека работать» — на открытых моделях, на API больших лабораторий или на гибридных конфигурациях. И в любом из этих вариантов качество реализации решает больше, чем выбор конкретной модели. Автоматизированный авто-блог на базе ИИ, агентный пайплайн или внутренний инструмент — разница не в том, какую модель вы используете, а в том, насколько хорошо вы встроили её в реальный рабочий процесс.