allnewscastallnewscast
Срочные новости
Politics & Elections

Частная оценка Пакстона по итогам съезда разошлась с публичными похвалами Трампа

Marcus Feld4 мин чтения
Частная оценка Пакстона по итогам съезда разошлась с публичными похвалами Трампа

Кен Пакстон, кандидат от Республиканской партии в Сенат США от штата Техас, в частном порядке заявил 24 сентября 2026 года, что проведенный президентом Трампом республиканский съезд в Далласе нанес ущерб его рейтингам. Об этом свидетельствует аудиозапись, полученная изданием The New York Times и изученная в отчетах нескольких независимых новостных организаций.

Что Пакстон сказал о съезде?

По данным The New York Times, Пакстон сделал эти замечания на закрытом мероприятии по сбору средств в Вашингтоне, на котором присутствовали консервативные доноры и лоббисты. Когда его спросили, не стал ли президент обузой для его кампании в Сенат, Пакстон ответил, что съезд снизил показатели республиканцев. Его штаб оспаривает эти утверждения и заявляет, что в сентябре его позиции улучшились.

  • «Если честно, цифры — когда мы провели этот съезд — они снизили наши показатели», — сказал Пакстон на записи, согласно данным The New York Times.
  • «Показатели у всех упали», — добавил он, согласно тому же отчету.
  • «Сейчас? Да, не очень хорошо», — сказал Пакстон, согласно аудиозаписи, опубликованной 30 сентября.

Когда и где проходил республиканский съезд?

Республиканская партия проводила промежуточный съезд в Далласе с 9 по 10 сентября 2026 года, согласно сообщениям New York Post и Houston Chronicle. Это мероприятие стало первым промежуточным съездом такого рода для партии и поставило президента в центр борьбы за место в Сенате от Техаса.

  • По данным New York Post, съезд проходил с 9 по 10 сентября 2026 года.
  • Согласно Houston Chronicle, президент позже назвал съезд успешным и заявил, что он помог Пакстону.
  • По информации The New York Times, на следующей неделе Пакстон посетил закрытый сбор средств в Вашингтоне, где и состоялась записанная дискуссия.

Как президент описал это событие?

Президент дал противоположную оценку через несколько дней после собрания в Далласе. В беседе с журналистами в Ирландии 13 сентября 2026 года он заявил, что съезд помог кандидату от Техаса, согласно Houston Chronicle и New York Post. Публичное заявление теперь вступает в противоречие с частными высказываниями Пакстона, о которых стало известно.

«Я думаю, что тот факт, что у нас был такой успешный съезд, действительно помог Кену Пакстону», — сказал президент 13 сентября, согласно Houston Chronicle. Газета также сообщила, что он высоко оценил работу Пакстона на посту генерального прокурора.

Что говорит штаб Пакстона?

Штаб Пакстона отверг интерпретацию записи. Ник Маддукс, старший советник, обвинил The New York Times в представлении манипулятивной версии событий и заявил, что независимые опросы показывают улучшение ситуации после начала сентября. В ответе не было представлено публичной записи, где Пакстон делал бы иное заявление о съезде.

  • «Это очередная манипулятивная чепуха от The New York Times с целью создать историю, которой не существует», — заявил Маддукс, согласно заявлению, цитируемому Forbes.
  • Маддукс отметил, что «любой серьезный социолог» подтвердит, что показатели Пакстона улучшились с начала сентября, сообщает Forbes.
  • Аудиозапись была предоставлена The New York Times участником встречи, который выступает против кампании Пакстона и пожелал остаться анонимным, согласно сообщению газеты, на которое ссылается Boston Globe.

Как была подтверждена частная встреча?

Запись была сделана во время встречи примерно дюжины человек, согласно The New York Times и Boston Globe. Личность человека, предоставившего аудио, не разглашается. Трое других лиц, знакомых с событием, подтвердили присутствие Пакстона, двое вспомнили, что его спрашивали о съезде, а один подтвердил негативную оценку.

Эти подтверждения подкрепляют сведения о встрече, но они не доказывают независимо точность каждого слова на записи. Отрицание со стороны штаба создает спор о политическом смысле высказываний Пакстона, а не о самом факте проведения сбора средств.

Почему эта запись важна для гонки в Сенат Техаса?

Запись обнажает прямое расхождение между частными высказываниями кандидата от республиканцев и публичными заявлениями президента. Пакстон борется против представителя Демократической партии штата Джеймса Таларико в гонке, за которой пристально следят, согласно Forbes. Этот спор также выносит отношения кандидата с Белым домом в центр избирательной кампании.

  • Согласно Forbes, Пакстон получил поддержку президента.
  • Согласно Forbes, Джеймс Таларико является демократическим оппонентом Пакстона.
  • Согласно The Hill, Пакстон является кандидатом от Республиканской партии в Сенат от Техаса.

Политический вопрос заключается в том, как избиратели отреагируют на сам съезд в Далласе, на утечку записи или на опровержение штаба. В опубликованных отчетах нет единого согласованного опроса, который бы точно показал, как это событие изменило ход гонки.

Что ждет кампанию Пакстона дальше?

Теперь Пакстону предстоит защищать публичную лояльность своей кампании президенту, одновременно объясняя высказывания, которые, судя по всему, возлагали вину за падение рейтингов республиканцев на съезд. Штаб ссылается на данные конца сентября, однако отчеты, доступные на 30 сентября, не содержат единого среднего показателя опросов и не дают полной картины «до и после».

Вероятно, эта запись останется актуальной темой по мере продвижения борьбы за Сенат. Она дает демократам аргумент о том, что кандидат от республиканцев в частном порядке сомневается в эффективности политической деятельности президента. Это также дает повод республиканским соперникам поставить под сомнение способность Пакстона одновременно справляться с давлением со стороны Белого дома и избирателей Техаса.

Источники

  1. 1.nytimes.com
  2. 2.bostonglobe.com
  3. 3.forbes.com
  4. 4.nj.com
  5. 5.usatoday.com
  6. 6.chron.com
  7. 7.thehill.com
  8. 8.washingtonexaminer.com
  9. 9.politicalwire.com
  10. 10.nytimes.com
  11. 11.alternet.org
  12. 12.nypost.com
  13. 13.ibtimes.co.uk
  14. 14.nytimes.com
  15. 15.dailymail.com

Читать далее →

Похожие материалы

Music Majors и разработчик игр EA инвестировали $76 млн в развитие ИИ-технологий Stability AI
AI & Tech

Music Majors и разработчик игр EA инвестировали $76 млн в развитие ИИ-технологий Stability AI

Компания Stability AI, разработчик генеративного ИИ, наиболее известная своими креативными инструментами для работы с изображениями, музыкой, играми и развлекательным контентом, закрыла раунд финансирования серии B на сумму 76 миллионов долларов при участии одних из самых влиятельных игроков мировой индустрии развлечений. Этот раунд, завершенный под руководством генерального директора Према Аккараджу, довел общий объем привлеченных компанией средств до 232 миллионов долларов , включая два раунда акционерного капитала и конвертируемые займы с середины 2024 года. Данный раунд стал одним из самых четких сигналов того, что крупные студии, музыкальные лейблы и издатели игр делают ставку на специализированный искусственный интеллект для профессиональных создателей контента, а не рассматривают генеративный ИИ как чисто экспериментальную технологию. Гиганты индустрии развлечений вошли в состав инвесторов Stability AI Ключевую роль в новом финансировании сыграл пул стратегических инвесторов, чьи каталоги и интеллектуальная собственность составляют основу мирового коммерческого развлекательного контента. Гигант интерактивных развлечений Electronic Arts (EA) , а также мировые музыкальные лидеры Sony Music Group , Universal Music Group (UMG) и Warner Music Group (WMG) приняли участие в раунде серии B. По заявлению компании, эти партнеры выступают не просто как финансовые спонсоры: ожидается, что они будут работать со Stability AI над созданием новых ИИ-моделей, основанных на их игровых активах и музыкальных каталогах. В раунде также приняли участие технологические и инвестиционные компании, такие как AMD Ventures и Pacific Alliance Ventures , что подчеркивает интерес широкой технологической экосистемы к ИИ-системам, адаптированным для профессиональных творческих рабочих процессов. Эти новые инвесторы присоединились к уже известной группе спонсоров из предыдущих раундов. Среди действующих институциональных инвесторов — Coatue , Greycroft , Kadmos Capital , Lightspeed Venture Partners , Mantis Capital , Sound Ventures и рекламный гигант WPP . Список частных инвесторов варьируется от лидеров технологической и медиа-отраслей, таких как Шон Паркер , Эрик Шмидт , Прем Аккараджу , Патрик Уайтселл и братья Рубен , до деятелей индустрии развлечений, включая режиссера Джеймса Кэмерона , телепродюсера Марка Бернетта и медиа-инвестора Виви Нево . Несколько существующих инвесторов — в частности, Coatue, Greycroft, Kadmos Capital, Шон Паркер и Эрик Шмидт — вновь приняли участие в серии B, что свидетельствует о сохраняющемся доверии к стратегическому развороту компании под новым руководством. Финансирование ускорит создание ИИ-инструментов для профессионалов Stability AI заявляет, что новые средства будут направлены на расширение линейки ИИ-продуктов для профессиональных творцов в сферах музыки, игр и развлечений, укрепление организации прикладных исследований и развитие бизнеса по оказанию профессиональных услуг. Компания позиционирует свою технологию как инфраструктуру для творческого производства, а не как потребительский инструмент для развлечений. На практике это означает создание систем, которые могут интегрироваться в производственные процессы студий, надежно работать с большими объемами лицензионного контента и поддерживать создателей, нуждающихся в предсказуемых и управляемых результатах для коммерческого использования. Что касается музыки, новые партнерства с UMG, WMG и Sony Music Group призваны обеспечить создание генеративных моделей, обученных на обширных каталогах записанного звука и метаданных, с упором на соблюдение прав и рабочих процессов. В игровой индустрии участие EA согласуется с планами использования генеративного ИИ для создания активов, построения миров и интерактивного опыта с применением их обширной библиотеки игровых артов, анимации и дизайна в качестве обучающего материала. Stability AI определяет свою миссию как создание целевого ИИ для профессионалов — эта формулировка призвана отличить их инструменты от универсальных систем «текст-в-изображение» или «текст-в-музыку», которые вызывали юридические и этические вопросы при обучении на нелицензированных данных. Связывая свои модели напрямую с лицензионной интеллектуальной собственностью партнеров, компания стремится доказать, что генеративный ИИ может сосуществовать с существующими правовыми рамками и даже усиливать их. Новое руководство продолжает стратегию восстановления Раунд серии B — это очередной шаг в реструктуризации Stability AI под руководством генерального директора Према Аккараджу , который вступил в должность в июне 2024 года на фоне масштабной перестройки финансов и управления компании. За время его работы фирма привлекла несколько раундов инвестиций, которые рекапитализировали бизнес и привлекли новых стратегических инвесторов из сфер рекламы, технологий и развлечений. Предыдущие объявления о финансировании подчеркивали поддержку со стороны крупных венчурных фирм и известных частных инвесторов, а также усилия по стабилизации баланса и фокусировке дорожной карты продукта на коммерчески жизнеспособных творческих инструментах. Новый раунд на 76 миллионов долларов, поддержанный лидерами индустрии развлечений, говорит о том, что стратегия восстановления расширяется от финансовой реструктуризации до долгосрочного партнерства, приносящего доход. Опыт Аккараджу в кино и медиа также, по-видимому, формирует позиционирование компании: Stability AI все чаще представляет себя не просто как лабораторию ИИ-исследований, а как партнера для студий, лейблов и агентств, стремящихся модернизировать производство, сохраняя при этом творческий контроль и соблюдая интеллектуальную собственность. Почему индустрия развлечений делает ставку на Stability AI Решение ведущих звукозаписывающих лейблов и крупного издателя игр приобрести доли в ИИ-компании отражает более широкий сдвиг в том, как сектор развлечений относится к генеративным технологиям. После первоначальных волн скептицизма и юридических споров вокруг контента, созданного ИИ, крупные правообладатели теперь стремятся формировать технологию изнутри. Инвестируя напрямую в Stability AI, такие компании, как UMG, WMG, Sony Music Group и EA, получают влияние на то, как проектируются, обучаются и внедряются творческие ИИ-системы. В свою очередь, Stability AI получает доступ к высококачественным, юридически очищенным данным и потенциальным каналам распространения новых инструментов — будь то в студийных производственных средах, игровых движках или на платформах для создателей контента, управляемых лейблами. Наблюдатели отмечают, что эти стратегические инвестиции могут проложить путь к новым категориям продуктов: музыкальным генеративным инструментам для артистов и продюсеров с учетом авторских прав; ИИ-помощникам для саунд-дизайна и написания саундтреков к играм и фильмам; а также системам создания контента, встроенным в процессы разработки игр, которые настроены на художественный стиль и ограничения интеллектуальной собственности каждого издателя. Участие рекламной группы WPP и других медиа-инвесторов подчеркивает, что интерес не ограничивается только индустрией развлечений. Работа брендов и агентств все чаще опирается на быстрое создание изображений, видео и аудио — этот сценарий использования идеально сочетается с акцентом Stability AI на профессиональных, контролируемых результатах. Следующие шаги для Stability AI С общим объемом финансирования в 232 миллиона долларов Stability AI вступает в критическую фазу гонки за определение того, как генеративный ИИ будет использоваться в коммерческих творческих индустриях. Компания пообещала продолжить инвестиции в прикладные исследования, запуск новых продуктов, ориентированных на музыку и игры, а также расширение профессиональных услуг, чтобы помочь партнерам интегрировать ИИ в свои производственные цепочки. То, как быстро эти амбиции превратятся в широко используемые инструменты, будет зависеть не только от технологий. Stability AI должна будет убедить создателей, профсоюзы, правозащитные организации и регуляторов в том, что ее системы дополняют, а не вытесняют человеческое творчество, и что партнерства с крупными компаниями индустрии развлечений обеспечивают справедливое и прозрачное использование интеллектуальной собственности. На данный момент последний раунд финансирования, поддержанный представителями мира развлечений, говорит о том, что крупнейшие игроки индустрии предпочитают формировать это будущее за столом переговоров, а не наблюдать со стороны.

Nic Reeve·
Битва нейросетей: Gemini Omni Flash против Kling 3.0 в генерации видео
AI & Tech

Битва нейросетей: Gemini Omni Flash против Kling 3.0 в генерации видео

Битва ИИ-новостей: Gemini Omni Flash или Kling 3.0 для управления видео нового поколения? 19 мая 2026 года Google начала внедрение Gemini Omni Flash в свои приложения и API для генерации и редактирования разговорного видео, в то время как Kling 3.0 от Kuaishou, выпущенный 4–5 февраля 2026 года, вывел многокадровые последовательности и кинематографические раскадровки в мейнстрим гонки ИИ-технологий. Что именно представляют собой Gemini Omni Flash и Kling 3.0? Gemini Omni Flash — это быстрая модель Google для преобразования текста и изображений в видео, предназначенная для интерактивного редактирования; в настоящее время она широко доступна как Gemini Omni 1.1 Flash. Kling 3.0 — это семейство мультимодальных моделей видео и изображений третьего поколения от Kuaishou, в основе которых лежат движки Video 3.0 и Video 3.0 Omni для создания коротких нативных 4K-клипов с элементами управления раскадровкой. Обе системы находятся на переднем крае ИИ-видео. Согласно анонсу модели Gemini от Google в мае 2026 года, Gemini Omni Flash превращает текстовые запросы и дополнительные справочные изображения в короткие видеоклипы и позволяет пользователям «легко редактировать видео с помощью диалога» в приложении Gemini, Google Flow и инструментах YouTube. Согласно документации для разработчиков Google, API Gemini Omni Flash описывается как модель для «генерации и редактирования» видео, которая дорабатывает клипы посредством диалогов на естественном языке и поддерживает расширение видео. Согласно примечаниям к выпуску Google от 27 августа 2026 года, Gemini Omni 1.1 Flash стала общедоступной и заменила предыдущую предварительную версию, которая будет отключена 30 сентября 2026 года. Согласно записи о Kling 3.0 в ИИ-вики, обновленной 11 сентября 2026 года, Kling 3.0 включает в себя Video 3.0, Video 3.0 Omni, Image 3.0 и Image 3.0 Omni, построенные на единой мультимодальной архитектуре, которая выдает короткие клипы в нативном разрешении 4K с синхронизированным многоязычным аудио. Согласно руководству Genra от 20 февраля 2026 года, Kuaishou приурочила публичный релиз Kling 3.0 к 5 февраля 2026 года, внедрив режимы «текст-в-видео», «изображение-в-видео» и генерацию на основе референсов по всей линейке. Как Gemini Omni Flash справляется с редактированием видео и управлением пользователем? Gemini Omni Flash фокусируется на разговорном редактировании: пользователи могут запрашивать изменения, расширять сцены и корректировать кадры, используя естественный язык, с поддержкой инкрементальных расширений по 10 секунд до 40 секунд в Gemini Omni 1.1 Flash. Благодаря этому модель Google ощущается скорее как интерактивный редактор, а не как генератор одного кадра. Редактирование в экосистеме Gemini строится на основе диалога. Согласно блогу Google Omni 1.1 Flash от 27 августа 2026 года, модель обеспечивает «видеопроизводство студийного качества» и позволяет пользователям расширять видео с шагом в 10 секунд до 40 секунд суммарно, анализируя до 10 секунд предыдущего контекста вместо одной последней секунды. Согласно той же публикации, Gemini Omni 1.1 поддерживает такие функции, как интерполяция первого и последнего кадров и вывод в 4K в поддерживаемых средах, что улучшает непрерывность между правками. Согласно блогу Google Gemini Omni от 19 мая 2026 года, пользователи могут «легко редактировать видео с помощью диалога» и уже видят интеграцию модели в приложение Gemini, Google Flow и YouTube Shorts, с развертыванием для подписчиков Google AI Plus, Pro и Ultra по всему миру и бесплатным использованием в некоторых инструментах YouTube. Согласно документации API Gemini Omni Flash, разработчики могут уточнять и редактировать созданные видео, отправляя инструкции на естественном языке в процессе взаимодействия, что позиционирует модель как динамический редактор, поддерживающий как расширение, так и генерацию видео. Согласно анонсу Google Workspace от 16 июля 2026 года, Gemini Omni Flash теперь обеспечивает работу Google Vids, где пользователи могут редактировать видео с помощью простых текстовых запросов и генерировать новые клипы с персональными аватарами, которые выглядят и звучат как они сами. Согласно пояснительной статье ilisai, обновленной 2 сентября 2026 года, видеогенератор сервиса теперь использует Gemini Omni 1.1 Flash и тарифицирует минимум 10 секунд за клип, что указывает на то, что быстрая модель Google уже развернута на сторонних платформах. Этот разговорный рабочий процесс благоприятствует авторам, которые ожидают быстрой итерации, например, редакторам социальных видео или маркетинговым командам, которым нужно вносить много мелких изменений, не пересобирая клипы с нуля. Что предлагает Kling 3.0 в плане многокадровой непрерывности и раскадровки? Модели Video 3.0 и Video 3.0 Omni в Kling 3.0 делают упор на многокадровую генерацию: до шести связанных кадров в одном клипе со стабильной идентичностью персонажа, освещением и окружением при смене планов. Планирование кадров может быть автоматическим или полностью пользовательским, превращая запросы в структурированные мини-последовательности. Инструменты для работы с несколькими кадрами делают Kling похожим на движок превизуализации для режиссеров. Согласно руководству пользователя Kling Video 3.0, обновленному 26 августа 2026 года, модель поддерживает два режима для многокадрового видео: «Multi‑Shot» и «Custom Multi‑Shot». Когда включен Multi‑Shot, система автоматически планирует переходы и создает многосценовый контент; Custom Multi‑Shot позволяет пользователям настраивать количество и длительность кадров. Согласно руководству Kling по многокадровой съемке от 28 июля 2026 года, Multi‑Shot структурирует сцену посредством выбора ракурсов, смены кадров и развития повествования, считывая информацию о покрытии из запроса для настройки углов и композиций для кинематографического сторителлинга. Согласно руководству по Kling 3.0 от Morphic за август 2026 года, Kling Video 3.0 поддерживает многокадровые последовательности до шести склеек на генерацию, с режимами «текст-в-видео», «изображение-в-видео» и «начальный и конечный кадр в видео» при максимальной длительности 15 секунд на клип. Согласно обзору Invideo от 28 мая 2026 года, Kling 3.0 может генерировать до шести связанных кадров, позволяя пользователям либо описать сцену и позволить модели спланировать переходы, либо указать кадрирование, длительность и движение камеры для каждого кадра для точного выполнения списка съемок. Согласно странице функций Kling3Pro от 26 марта 2026 года, многокадровая генерация Kling 3.0 определяет до шести отдельных кадров в рамках одного 15-секундного клипа, каждый со своим запросом и углом камеры, при этом сохраняя непрерывность внешности персонажа, гардероба и окружения с помощью кодирования идентичности на уровне сцены. Согласно рейтингу продуктов от AI Wiki и Synthszr, обновленному 6 сентября 2026 года, единая архитектура Kling 3.0 создает нативное 4K-видео с частотой до 60 кадров в секунду и поддерживает многокадровые раскадровки с количеством склеек до шести, укрепляя свои позиции в области высокой точности воспроизведения. Эти гарантии непрерывности важны для рекламных агентств, команд превизуализации и независимых кинематографистов, которым нужна последовательность связанных кадров, а не просто отдельные клипы. Как соотносятся возможности длительности, разрешения и аудио? Gemini Omni Flash делает упор на гибкую длительность за счет расширений и фокусируется на быстрых 720p-клипах во многих сервисах, в то время как Kling 3.0 ориентирован на короткие, но насыщенные нативные 4K-последовательности до 15 секунд с синхронизированным многоязычным аудио. Технические компромиссы определяют, кто больше выигрывает от каждой системы. Согласно блогу Google Omni 1.1 Flash, пользователи могут расширять видео с шагом в 10 секунд до 40 секунд в общей сложности, при этом Omni анализирует до 10 секунд предыдущего контекста для сохранения согласованности движения и композиции. Согласно статье ilisai от 19 июля 2026 года, оригинальная предварительная версия Gemini Omni Flash создавала короткие 720p-клипы по текстовым запросам или референсным изображениям, а с обновлением от 1 сентября каждое видео, созданное с помощью Gemini Omni 1.1 Flash, тарифицируется минимум как 10 секунд вывода. Согласно профилю Kling 3.0 в ИИ-вики, новое поколение перешло от примерно 10-секундных 1080p-клипов в Kling 2.6 к 15-секундным нативным 4K-клипам в Kling 3.0, добавив синхронизированную лип-синк озвучку на пяти языках. Согласно технической таблице Morphic, модель Video 3.0 в Kling 3.0 поддерживает длительность от 3 до 15 секунд, соотношения сторон, такие как 16:9, 9:16 и 1:1, и нативное 4K-разрешение, с альтернативными опциями в 1080p и 720p. Согласно рейтингу Synthszr от 6 сентября 2026 года, Kling 3.0 нативно генерирует 4K-видео с частотой до 60 кадров в секунду с синхронизированным аудио и поддерживает до шести склеек на клип. Пользователи, стремящиеся к максимальному разрешению и интегрированному звуку, будут склоняться к Kling; команды, оптимизирующие процесс итеративного редактирования внутри существующих инструментов Google, могут предпочесть более низкое разрешение в обмен на скорость и интеграцию. Где доступны эти модели и как они тарифицируются? Gemini Omni Flash встроена в уровни подписки и инструменты Google, от приложения Gemini до продуктов YouTube и Google Vids, в то время как Kling 3.0 доступен через платформы Kuaishou и партнерские API, ориентированные на создателей и разработчиков. Коммерческие условия различаются, но обе системы нацелены на профессиональное и полупрофессиональное использование. Согласно блогу запуска Gemini Omni от 19 мая 2026 года, Gemini Omni Flash начала внедряться для подписчиков Google AI Plus, Pro и Ultra по всему миру через приложение Gemini и Google Flow, а также стала доступна бесплатно в YouTube Shorts и приложении YouTube Create. Согласно блогу Google Workspace от 16 июля 2026 года, Gemini Omni Flash теперь обеспечивает работу Google Vids, предоставляя пользователям Workspace доступ к редактированию на основе текстовых запросов и генерации аватаров в рамках пакета для повышения продуктивности. Согласно примечаниям к выпуску Gemini API, Gemini Omni 1.1 Flash стала общедоступной в начале сентября 2026 года, что сигнализирует о том, что теперь действуют производственная тарификация и квоты, поскольку предварительная версия приближается к выводу из эксплуатации. Согласно руководству по функциям Kuaishou от 9 февраля 2026 года, Kling 3.0 был официально запущен 4 февраля 2026 года в 23:00 по пекинскому времени, а доступ к API для разработчиков открылся 5 февраля 2026 года. Согласно обзору Genra от 20 февраля 2026 года, развертывание Kling 3.0 в приоритетном порядке проводилось для подписчиков «Ultra» перед более широким открытием, что позиционирует модели как премиальные инструменты для серьезных авторов. Согласно руководству Morphic, сторонние платформы интегрируют режимы Kling 3.0 в свои собственные интерфейсы, предлагая создателям контроль над длительностью, разрешением и многокадровыми функциями в дополнение к своей собственной ценовой политике. Согласно рейтингу Synthszr за сентябрь 2026 года, Kling 3.0 фигурирует в списках ИИ-продуктов, нацеленных на профессиональных пользователей, что указывает на его позиционирование в профессиональных и полупрофессиональных рабочих процессах видеопроизводства. Эти стратегии дистрибуции имеют значение. Google тесно связывает ИИ-видео со своими стеками продуктивности и социальными сетями, в то время как Kuaishou и ее партнеры продвигают Kling в специализированные творческие и редакторские среды, где пользователи могут выстраивать вокруг них целые производственные цепочки. Кто больше выигрывает от гибкости редактирования, а кому нужна многокадровая непрерывность? Авторы, которые быстро итерируют одиночные клипы — с частыми правками на основе текста, сменой аватаров и расширением сцен — больше всего выигрывают от разговорного редактирования Gemini Omni Flash и глубокой интеграции в инструменты Google. Команды, планирующие раскадровки или рекламные последовательности, получают больше пользы от многокадровой непрерывности Kling 3.0 и вывода в 4K с качественным аудио. Разные рабочие процессы указывают на разных лидеров. Для менеджеров соцсетей и создателей короткого контента внутри YouTube и Workspace способность Gemini расширять сцены, интерполировать кадры и применять правки на естественном языке — «приблизить этот кадр», «сделать фон ярче» — снижает трения при превращении черновых идей в отполированные клипы. Для кинематографистов, агентств и команд превизуализации комбинация Kling из шести связанных кадров, фиксированной идентичности персонажа и визуализации в 4K означает, что они могут прорабатывать миниатюрные раскадровки, тестировать охват камеры и поддерживать непрерывность от кадра к кадру. Согласно сравнению Invideo, Kling 3.0 прямо противопоставляет поддержку нескольких кадров моделям для создания одного кадра, подчеркивая, что он может либо автоматически планировать покрытие, либо следовать детальному списку съемок, написанному человеком. Согласно блогу Google Omni 1.1, расширенное окно контекста и инструменты интерполяции ориентированы на производство «студийного качества» для авторов, которые, возможно, не хотят мыслить дискретными кадрами, но заботятся о плавности движений и последовательности кадрирования в готовом видео. Ни одна модель не выигрывает безоговорочно. Выбор зависит от того, мыслит ли творческая команда клипами с разговорными правками или последовательностями кадров с жесткой непрерывностью и высококлассным визуалом.

Nic Reeve·
Не только запуск моделей: метрики, отражающие реальные темпы развития передового ИИ
AI & Tech

Не только запуск моделей: метрики, отражающие реальные темпы развития передового ИИ

Согласно недавним исследованиям и репортажам, передовые лаборатории развиваются слишком быстро, чтобы темпы прогресса в области ИИ можно было объяснить одним лишь показателем или датой релиза. Наиболее полная картина складывается из сочетания частоты выпусков, прироста в бенчмарках, длительности выполнения задач, вычислительных ресурсов, надежности и результатов тестирования безопасности. Эта проблема комплексного измерения теперь занимает центральное место в новостях об ИИ , поскольку компании переходят от эпизодических запусков моделей к непрерывному совершенствованию. Что случилось с циклом релизов? В 2026 году запуски моделей стали более частыми, но одни лишь анонсы продуктов не могут показать, насколько улучшилась система. Релиз может означать новую модель, настроенный вариант, обновление безопасности или более дешевую версию. Подсчет количества релизов по-прежнему полезен, но только в сочетании с последовательными тестами и датами. По данным The Register от 23 сентября 2026 года, частота релизов Anthropic ускорилась: с примерно ежеквартальных запусков в 2025 году до почти ежемесячных в 2026 году. Согласно отчету Tech Insider от 5 сентября 2026 года, четыре передовые лаборатории выпустили крупные модели в течение 72-часового периода в начале сентября. Согласно тому же отчету, крупные обновления, которые в начале 2026 года выходили один или два раза в квартал, все чаще появляются ежемесячно или даже чаще. Ускорение цикла может свидетельствовать о более мощном инженерном и операционном потенциале. Однако это также может отражать выпуск мелких обновлений, изменение упаковки продукта или параллельных версий, а не сопоставимый скачок в общих возможностях. Поэтому исследователям необходимы журналы релизов, фиксирующие размер модели, назначение, дату оценки и то, является ли система предварительной версией (preview) или полноценным продуктом (production). Какие бенчмарки показывают реальный прогресс? Бенчмарки возможностей остаются самым четким способом сравнения систем, однако тесты теряют ценность, когда передовые модели достигают «потолка». Полезная система измерения должна отслеживать как сам балл, так и оставшийся запас возможностей (headroom). Она также должна включать незнакомые задачи, поскольку высокая производительность в одном бенчмарке не гарантирует надежной работы в других областях. Согласно AI Index Стэнфордского университета за 2026 год, опубликованному в сентябре 2026 года, почти все ведущие разработчики передовых моделей сообщают о результатах своих возможностей, в то время как отчеты по бенчмаркам ответственного ИИ остаются непоследовательными. Согласно данным AI Index Стэнфорда, упомянутым в недавних репортажах, производительность на SWE-bench Verified выросла с примерно 60% до почти 100% за один год. Согласно отчету Стэнфорда, количество задокументированных инцидентов с ИИ достигло 362 по сравнению с 233 в 2024 году. Предыдущая цифра является историческим фоном, а не подсчетом за текущий год. Насыщение бенчмарков создает практическую проблему. Тест, разработанный так, чтобы оставаться сложным в течение нескольких лет, может стать легким уже через месяцы. Следующее поколение оценок должно измерять исследовательскую деятельность с открытым финалом, написание программного обеспечения, научные рассуждения, фактическую точность и устойчивость к манипуляциям в условиях, приближенных к реальному использованию. Почему длительность задачи становится ключевым показателем? Длительность задачи измеряет, как долго модель может успешно работать, прежде чем вероятность ошибок возрастет. Вместо того чтобы спрашивать, правильно ли модель отвечает на один вопрос, эксперты проверяют, может ли она выполнить многоэтапную работу, которую квалифицированный человек обычно выполняет в течение определенного периода времени. Этот показатель фиксирует уровень автономности более прямо, чем единый балл точности. В недавних исследованиях передовых моделей использовалась оценка «горизонта задач» (task-horizon), при которой исследователи оценивают время, затрачиваемое человеком на задачи, и определяют точку, в которой модель справляется примерно в половине случаев. Такой подход позволяет отличить систему, решающую пятиминутные задачи по программированию, от системы, способной справиться с многочасовым инженерным заданием. Согласно анализу Big Matrix от 11 сентября 2026 года, METR в течение примерно 100 дней в 2026 году оценил несколько передовых релизов, включая Claude Opus 4.6, GPT-5.4 и Gemini 3.1 Pro. Согласно тому же анализу, тестирование горизонта задач измеряет эквивалентную человеческую продолжительность работы до того, как успех модели упадет до 50%. Этот показатель все еще не является исчерпывающим. Длительные задачи могут скрывать ошибки, а модель может выдавать убедительный, но неверный результат. Оценщикам необходимо фиксировать время на исправление ошибок, использование инструментов, необходимость контроля и стоимость повторных попыток. Как вычислительные мощности раскрывают темпы работы лабораторий? Вычислительные ресурсы для обучения дают физическое представление о том, сколько ресурсов лаборатория вкладывает в новые системы. Исследователи могут сравнивать часы работы процессоров, поколения ускорителей, энергопотребление, объем данных и мощность инференса (вывода). Вычисления не равны возможностям, но они помогают объяснить, почему разработка может ускоряться, даже если публичные релизы кажутся схожими. Данные об обучении часто являются конфиденциальными, и лаборатории раскрывают их неравномерно. Это затрудняет публичные сравнения. Независимые аналитики все же могут отслеживать строительство дата-центров, закупки чипов, облачные контракты и мощности для обслуживания моделей, но эти показатели требуют тщательной атрибуции, так как один объект может поддерживать несколько продуктов. Согласно AI Index Стэнфорда за 2026 год, более 90% заметных передовых моделей были разработаны коммерческим сектором, что показывает: ведущие данные измерений все чаще поступают от компаний, а не от университетов. Согласно результатам бенчмарков в отчете, прирост возможностей происходит быстрее, чем системы оценки, предназначенные для их измерения. По этой причине надежный индикатор темпов должен сочетать раскрытые вычислительные мощности с полученным улучшением на единицу этих мощностей. Лаборатория, которая удваивает свое оборудование, но почти не получает прогресса в сложных независимых тестах, может масштабироваться неэффективно. Лаборатория, достигающая больших успехов при аналогичных ресурсах, вероятно, улучшила данные, алгоритмы или методы обучения. Что добавляют безопасность и надежность? Результаты тестирования безопасности показывают, сопровождается ли рост возможностей контролем. Модель, которая набирает больше баллов в программировании или рассуждениях, но становится менее правдивой, более уязвимой для эксплуатации или более трудной для мониторинга, не является безусловным улучшением. Поэтому оценки безопасности должны публиковаться вместе с результатами оценки возможностей, а не рассматриваться как отдельный PR-ход. AI Index Стэнфорда за 2026 год выявил разрыв между повсеместными отчетами по бенчмаркам возможностей и менее последовательными отчетами по тестам ответственного ИИ. Этот разрыв ограничивает возможности сравнения лабораторий. Публичные оценочные карты должны включать показатели галлюцинаций, тестирование на киберзлоупотребления, утечку конфиденциальности, меры предвзятости, точность отказов и производительность при состязательных промптах (adversarial prompting). Согласно отчету Стэнфорда за сентябрь 2026 года, отчетность по бенчмаркам ответственного ИИ среди ведущих разработчиков остается фрагментарной. Согласно данным Стэнфорда по количеству инцидентов, в последнем наборе данных отчета зафиксировано 362 документально подтвержденных инцидента по сравнению с 233 в 2024 году. Количество инцидентов не является прямым показателем возможностей модели. Оно лишь показывает, какой ущерб наблюдается и фиксируется в связи с развернутыми системами. Исследователи должны отделять сбои моделей от сбоев, вызванных развертыванием, поведением пользователей или слабыми мерами защиты. Что должна содержать практическая оценочная карта передовых моделей? Полезная оценочная карта (scorecard) должна отслеживать одни и те же системы во времени и публиковать достаточно деталей для независимой проверки. Частота релизов дает понимание скорости. Бенчмарки показывают производительность в задачах. Горизонт задач показывает автономность. Вычисления показывают объем инвестиций. Тесты безопасности обеспечивают контроль. Стоимость и надежность показывают, выживают ли результаты лаборатории при контакте с реальными пользователями. Интервал релизов: количество дней между сопоставимыми версиями моделей, с отдельной идентификацией предварительных и производственных систем. Прирост возможностей: изменение показателей в сложных, устойчивых к «загрязнению» (contamination-resistant) тестах, с указанием даты оценки и версии теста. Горизонт задач: максимально длительное задание, эквивалентное человеческому, выполненное с заданной вероятностью успеха. Эффективность: прирост возможностей на единицу вычислительной мощности при обучении и на доллар при инференсе. Надежность: частота ошибок, фактическая точность, сбои инструментов и объем необходимой человеческой корректировки. Безопасность: тесты на вредоносные возможности, результаты конфиденциальности, кибер-оценки, точность отказов и задокументированные инциденты. Развитие передовых технологий — это не одна гонка, измеряемая одними часами. Наиболее обоснованными будут сравнения, сочетающие публичные записи о релизах с независимыми оценками и четко датированными раскрытиями лабораторий. Такой подход позволит понять, является ли новая система действительно более способной, просто более доступной или же она просто лучше упакована для развертывания.

Nic Reeve·