Kling выпустили видео модель V2.6 — модель с нативным аудио.

В последнее время сложно уследить за всеми релизами, но я стараюсь изо всех сил.

У Kling идет неделя релизов, уже был Kling O1 и альтернатива банане O1 Image.

Из нового в V2.6:
• Генерация 1080p сразу с аудио и липсинком на разных языках
• Можно написать в промпте какую фразу нужно сказать и модель озвучит
• Только text-to-video и image-to-video

Интересно, что покажут завтра.

Kling V2.6, а так же доступен у агрегаторов: Freepik, Fal, Higgsfield.

@tips_ai #news

Люблю такие исследования у Anthropic о том, как их инженеры используют Claude в работе

Опросили 132 инженера, провели 53 интервью и проанализировали 200к сессий Claude Code.

Сейчас инженеры используют его в 60% работы. Год назад было 28%. Продуктивность выросла на +50% (год назад +20%).

55% используют для дебаггинга ежедневно. 42% для понимания чужого кода. 37% для новых фич

27% работы — это то, что вообще не делали бы без Claude. Дашборды, рефакторинг старого кода, исследовательские проекты.

Backend-инженеры делают UI, security-команда анализирует незнакомый код, исследователи строят визуализации. Все становятся fullstack.

Полгода назад Claude делал 10 действий подряд без участия человека, сейчас 21. Количество обращений человека упало с 6.2 до 4.1 за сессию (-33%). Сложность задач выросла с 3.2 до 3.8 из 5.

Использование для планирования кода выросло с 1% до 10%. Для новых фич с 14% до 37%.

Цитаты инженеров:

{Чтобы проверять код Claude, нужны те самые навыки программирования, которые атрофируются от использования Claude}

Меньше взаимодействия с коллегами. {Я задаю больше вопросов, но 80-90% идут в Claude, а не людям}.

{Такое чувство, что я прихожу на работу каждый день, чтобы сделать себя ненужным}.

Другой: {Оптимистичен в краткосрочной перспективе, но долгосрочно AI сделает меня и многих других ненужными}.

Это говорят люди, которые создают Claude.

Половина опрошенных может полностью делегировать только 0-20% работы. Остальное требует постоянной коллаборации и валидации.

Anthropic признаются что сами не знают что делать.

Планируют обсудить с инженерами как поддерживать развитие в новых условиях, создать best practices для AI-augmented работы. В 2026 году обещают конкретные планы.

Если у создателей AI такие цифры и такие сомнения, представьте что будет в других компаниях.

У Anthropic ранний доступ к лучшим инструментам, стабильная индустрия, сами создают AI.

Но если даже там такой уровень неопределённости, всем остальным отраслям нужно готовиться серьёзно.

Исследование проводили в августе 2025, когда был Claude Sonnet 4 и Opus 4.

[Полное исследование]

@tips_ai #news

Вышел GLM-4.6V — первая в линейке GLM с нативным вызовом* функций для визуальных задач.

Когда речь заходит про OCR, я сразу начинаю в нём разбираться, мне нравиться возиться с моделями, которые умеют работать с видео, картинками.

Обычно модели работают так:
1. Смотрят на картинку
2. Описывают её текстом (на картинке кнопка синего цвета)
3. Потом на основе текста решают что делать

*GLM-4.6V работает иначе: смотрит на картинку и сразу выполняет действие, без промежуточного описания и без лишних шагов.

Для агентов это важно (меньше потерь информации, быстрее результат)

Имеет две версии:
• GLM-4.6V (106B) — флагман с контекстом 128K
• GLM-4.6V-Flash (9B) — быстрая версия для локального запуска

C GLM-4.6V можно:
• Распознать текст с картинки или документа
• Проанализировать изображение
• Сгенерировать отчёт с картинками и текстом
• Разобрать видео: суммировать или найти конкретные моменты
• Скопировать интерфейс: загрузить скриншот и получить код

Контекст 128K, что примерно 150 страниц документов, 200 слайдов или часовое видео за один проход.

Цены по API (за 1M токенов):
• GLM-4.6V: $0.6 вход / $0.9 выход
• GLM-4.6V-Flash: бесплатно

[Попробовать тут] | [API] | [Блог]

@tips_ai #news