[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"$fn0VRBI9ytZ2Y_cF5FXwfOHk6j5oFinaQfFOoTyVZlWo":3},{"article":4,"related":18},{"title":5,"slug":6,"dek":7,"body":8,"cover":9,"type":10,"reading_minutes":11,"published_at":12,"category":13,"author":15},"Модели учатся видеть и слышать","modeli-uchatsya-videt-i-slyshat","Свежие модели с рождения работают с картинками, звуком и видео. Магия на демо есть, но на мелком тексте и точных координатах всё ещё промахи.","Текстом дело больше не ограничивается. Свежие модели с рождения умеют работать с картинками, звуком, видео и кодом разом. Всё это живёт у них в едином пространстве, а не в отдельных склеенных сетках. Отсюда сценарии, которые год назад выглядели фантастикой.\n\n## Что это даёт на практике\n\nПокажи модели фото приборной панели, и она прочитает ошибку и подскажет, что делать. Скинь скриншот интерфейса, и получишь по нему код. Наведи камеру на полку в магазине, и модель разберёт этикетки и сравнит составы. Граница между «сфотографировал» и «спросил» стирается. Врач показывает модели снимок и просит обратить внимание на затемнение, дизайнер скидывает мокап и получает по нему вёрстку. Картинка становится таким же входом, как строка текста.\n\nСо звуком та же история. Модель слушает совещание и выдаёт не голую расшифровку, а структуру: кто что решил, какие задачи повесили и на кого. Голос как интерфейс наконец-то заработал: живой разговор с перебиванием, а не скрипт «скажите один».\n\n## Где подводные камни\n\nГладко только на демо. Реальность капризнее. Модель уверенно ошибается на мелком тексте, путается на плотных таблицах и схемах, промахивается по точным координатам объектов на картинке. Спросишь «сколько машин на парковке» и можешь получить красивый, но неправильный ответ. Проверять её на числах и точных деталях приходится вручную, уверенный тон правоту не гарантирует.\n\nЦена тоже кусается. Картинка или секунда видео разворачиваются в сотни, а то и тысячи токенов, и счёт за мультимодальный запрос выходит заметно выше текстового. Гонять видео через модель кадр за кадром выходит недёшево.\n\nИ всё же направление задано. Люди воспринимают мир всеми чувствами сразу, и модели двигаются туда же. Пока это ассистент, которому надо перепроверять глаза и уши на важном. Но планка поднимается каждый релиз, и задачи, где хватает одного взгляда, уходят машине одна за другой.",null,"analysis",2,"2026-06-28T17:52:46.000Z",{"name":14},"Модели",{"name":16,"role":17,"bio":9},"Редакция asiclub","редакция",[19,24],{"title":20,"slug":21,"reading_minutes":11,"published_at":22,"category":23},"Миллион токенов в контексте и его пределы","million-tokenov-v-kontekste-i-ego-predely","2026-06-30T01:52:46.000Z",{"name":14},{"title":25,"slug":26,"reading_minutes":11,"published_at":27,"category":28},"Как большие модели учат маленькие","kak-bolshie-modeli-uchat-malenkie","2026-06-26T16:52:47.000Z",{"name":14}]