ESPnet își triplează corpusul vocal deschis cu YODAS v3, Mistral oferă GLM 5.3 prin API-ul său, JEV-27B și OpenDecider susțin că au ajuns la paritate cu Jev

ESPnet publică YODAS v3, un set de date vocale deschis, cu 1,1 milioane de ore în peste 100 de limbi, de trei ori mai mare decât prima versiune și disponibil integral la 48 kHz. Mistral oferă acum prin API-ul său GLM 5.3, modelul cu ponderi deschise de la Z.ai, cu 1 milion de tokens de context și un SLA de 99,5 %, în timp ce JEV-27B și OpenDecider, două modele de decizie deschise, susțin că au ajuns la paritate cu Jev în testele efectuate de autorii lor. MiniMax lansează M3.1-Flash-Preview fără benchmark sau tarif API, iar secțiunea de știri pe scurt revine, printre altele, asupra unei versiuni preliminare de Copilot CLI care citește regulile pentru Claude Code și asupra Space Bunny Alpha, un model cu identitate ascunsă, disponibil gratuit la OpenRouter.

ESPnet publică YODAS v3, cu 1,1 milioane de ore de vorbire disponibile deschis la 48 kHz

27 septembrie — Echipa ESPnet (William Chen și Shinji Watanabe) publică YODAS v3, un set de date vocale multilingv de 1,1 milioane de ore, de trei ori mai mare decât prima versiune. Tot conținutul audio este distribuit la 48 kHz, cu frecvența efectiv utilă indicată în metadate, deoarece multe înregistrări audio de pe web au fost supraeșantionate.

Caracteristică YODAS v3	Valoare publicată
Limbi acoperite	Peste 100, dintre care 34 cu peste 1 000 de ore
Audio multicanal	Peste 70 % cu cel puțin două canale distincte
Adnotări	Transcrieri cu marcaje temporale la nivel de cuvânt, traducere în engleză pentru peste jumătate din conținutul multilingv
Dimensiune și licență	60 To în format OPUS, CC BY 3.0

Potrivit autorilor, acest volum este suficient pentru a antrena de la zero un model de nivelul Whisper, iar prima versiune, descărcată de peste 2,5 milioane de ori, a fost folosită pentru a antrena IBM Granite, NVIDIA Canary și Parakeet, precum și OLMoASR de la Ai2. Un articol asociat figurează în lucrările conferinței Interspeech 2026.

🔗 YODAS v3 pe blogul Hugging Face

Mistral pune la dispoziție GLM 5.3 de la Z.ai prin API-ul său, cu un context de 1M și un SLA de 99,5 %

26 septembrie — Z.ai a lansat GLM 5.3 pe 14 august și i-a făcut publice ponderile pe 28: noutatea este disponibilitatea sa prin API-ul Mistral, anunțată de contul @MistralDevs. În versiune preliminară publică, sub identificatorul zai-glm-5-3, modelul este oferit fără modificări pe infrastructura Mistral, cu 1 milion de tokens de context, 128k la ieșire, peste 100 de tokens pe secundă și un SLA de 99,5 % pentru nivelul prioritar (priority tier).

Tarif per milion de tokens	API Mistral	Together AI (29 august)
Intrare	1,40 dolari	1,40 dolari
Intrare din cache	0,14 dolari	0,26 dolari
Ieșire	4,40 dolari	4,40 dolari

Mistral anunțase pe 11 august că își deschide platforma pentru modele terțe, începând cu GLM 5.2, iar GLM 5.3 devenise pe 21 septembrie modelul implicit al aplicației web Vibe Code.

🔗 Anunțul @MistralDevs · Fișa modelului

Modele de decizie deschise: JEV-27B de la AutoTrust AI și OpenDecider în comparație cu Jev

Două articole ale comunității din 27 septembrie prezintă modele de decizie deschise, sub licență Apache-2.0. Aceste modele răspund rapid, oferind o probabilitate pentru fiecare răspuns, la întrebările scurte și structurate puse de agenți: adevărat sau fals, alegere dintre mai multe opțiuni, notă. Apar la patru zile după Tev1-4B-experimental de la Together AI și ambele se compară cu Jev 1.13, modelul închis și găzduit de TypeSafe AI; scorurile de mai jos provin din măsurătorile autorilor.

JEV-27B de la AutoTrust AI: paritate în medie cu Jev 1.13, potrivit autorilor săi

27 septembrie — AutoTrust AI, care declară că nu are nicio legătură cu TypeSafe AI, publică JEV-27B, un model antrenat prin distilare din Jev 1.13 pe un corpus deschis. Metoda păstrează Qwen3.8-27B cu parametrii înghețați și îi adaugă un bloc detașabil de 108,9 milioane de parametri, antrenat în aproximativ 9,2 ore pe un B200: modelul de bază rămâne intact, cu 78,0 % pe HumanEval. Scoruri măsurate de autori pe 26 septembrie:

Test de decizie	JEV-27B	Jev 1.13 (API)
JevBench (set public)	88,70	87,18
Kev	83,75	85,52
OpenJev text	73,89	72,96
Nimble	92,91	91,84
VitaminC	77,46	78,46
MASSIVE-en	87,71	87,14
Media celor șase	84,07	83,85

Latența sa mediană este de 137 ms per decizie pe un B200. Autorii recunosc că paritatea se aplică doar în medie și că modelul distilat moștenește punctele slabe ale Jev; ei anunță că îl vor înscrie în clasamente independente.

🔗 Articolul AutoTrust AI

OpenDecider: un model nano de 400 de milioane de parametri înaintea Laya și Jev pe typed-decisions

27 septembrie — Manjunath Janardhan publică OpenDecider, o familie de modele de decizie: un model nano de aproximativ 400 de milioane de parametri bazat pe encoderul Ettin, un model small de 4 miliarde bazat pe Qwen3-4B și versiuni MLX pentru Mac. Acestea sunt distilate din două modele profesoare deschise, Qwen3-235B și DeepSeek V4.1 Flash, cu un cost GPU de sub 30 de dolari.

Model evaluat	typed-decisions (2 000)	Decizii generale nevăzute (200)	Eroare de calibrare
OpenDecider-nano	0,796	0,680	0,092
OpenDecider-small	0,672	0,735	0,087
Laya (checkpoint specializat)	0,766	0,570	0,162
Jev 1.13 (API)	0,754	0,730	0,164

Potrivit acestor măsurători ale autorului, modelul small egalează Jev pe decizii nevăzute anterior, cu o eroare de calibrare aproape de două ori mai mică. Jev rămâne înainte pe suita de aplicații Laya (0,774), în special la phishing (0,90 față de 0,63). Predicțiile și un test reproductibil sunt publicate; rezultatele se bazează pe o singură sămânță aleatorie.

🔗 Articolul OpenDecider

MiniMax lansează M3.1-Flash-Preview în MiniMax Code și în Token Plan, fără benchmark sau tarif API

27 septembrie — MiniMax prezintă M3.1-Flash-Preview, aflat în versiune preliminară, drept cel mai recent model text al său. Debutează dimineața în MiniMax Code, agentul de programare al companiei, apoi devine disponibil seara în Token Plan, abonamentul platformei MiniMax:

MiniMax-M3.1 Flash Preview is now live on the Token Plan! Faster, lighter, and built for teams running high-volume, latency-sensitive workloads, now available under your existing Token Plan subscription, no extra setup required.

🇷🇴 MiniMax-M3.1 Flash Preview este acum disponibil în Token Plan! Mai rapid, mai ușor și conceput pentru echipele care rulează sarcini de lucru de volum mare și sensibile la latență, este acum accesibil în abonamentul Token Plan pe care îl aveți deja, fără nicio configurare suplimentară. — @MiniMax_AI pe X

MiniMax nu publică nici benchmark, nici tarif API, nici dimensiunea modelului, nici fereastra de context, nici ponderile: notele sale de versiune pentru modele se opresc încă la 31 iulie.

🔗 Lansarea în MiniMax Code, pe X

Știri pe scurt

Copilot CLI citește regulile pentru Claude Code — În versiunea preliminară 1.0.89-5 publicată pe 27 septembrie (versiunea stabilă 1.0.89 nu a apărut încă), Copilot CLI acceptă fișierele de reguli pentru Claude Code aflate în .claude/rules ca instrucțiuni personalizate; notele nu precizează nici formatul recunoscut, nici ordinea priorităților. 🔗 sursa
CLI mistral 0.7.0 — Publicată pe 26 septembrie fără anunț, această versiune a instrumentului de linie de comandă Mistral adaugă mistral apps deploy, care implementează o aplicație pe platformă până în producție, mistral apps publish, care o publică în catalogul Vibe, și mistral evals pentru evaluări offline. 🔗 sursa
Agent API de la Perplexity trece la GPT-6 — O știre din 25 septembrie: presetările low și medium trec de la openai/gpt-5.6-luna la openai/gpt-6-luna, iar presetarea high de la openai/gpt-5.6-sol la openai/gpt-6-sol; prompturile, efortul de raționament, instrumentele, bugetele de tokens și limitele de pași rămân neschimbate. 🔗 sursa
Space Bunny Alpha pe OpenRouter — O știre din 23 septembrie: OpenRouter listează un model gratuit cu identitate ascunsă (stealth), al cărui creator nu este numit, cu 1 milion de tokens de context și intrări text, imagine și video. Furnizorul terț care îl operează poate păstra prompturile și răspunsurile, fără a le folosi la antrenare; nu există niciun test oficial. 🔗 sursa
Un evaluator de 4B pentru cifre financiare — Tony Esposito publică FinCalc-NLI, un set sintetic ale cărui etichete sunt calculate prin cod pentru zece indicatori bancari, și openjev-fincalc-4b, un evaluator ajustat în 40 de minute pe un A100, care verifică afirmațiile numerice: 94,4 % reușită pe 4 000 de cazuri, față de 63,2 % pentru cel mai bun evaluator deschis testat. 🔗 sursa
Ajustarea unui model pe un Mac cu 16 Go — În zece ajustări LoRA, Harshit Kumar Gupta măsoară că PyTorch MPS este de 2,2 până la 5,7 ori mai rapid decât Apple MLX, dar se plafonează la aproximativ 1,5 miliarde de parametri, în timp ce MLX pe 4 biți poate găzdui un model de 3 miliarde; rangul LoRA și optimizatorul au fost diferite între cele două platforme. 🔗 sursa

Ce înseamnă asta

Datele deschise rămân infrastructura discretă a modelelor deschise. Potrivit autorilor săi, prima versiune YODAS a fost folosită pentru antrenarea unor modele de la IBM, NVIDIA și Ai2; v3 triplează volumul, trece la 48 kHz și la audio multicanal și păstrează licența CC BY 3.0, suficient, tot potrivit lor, pentru a antrena de la zero un model de nivelul Whisper. Modelele de decizie ale zilei urmează aceeași logică: JEV-27B învață pe un corpus deschis, OpenDecider distilează două modele profesoare deschise cu mai puțin de 30 de dolari, iar ambele sunt publicate sub Apache-2.0.

Un model cu ponderi deschise ajunge în catalogul de servicii, iar furnizorii de găzduire se diferențiază prin serviciul oferit. GLM 5.3 are același preț fără cache la Mistral și Together AI, 1,40 dolari pentru intrare și 4,40 dolari pentru ieșire per milion de tokens; Mistral evidențiază intrarea din cache, 0,14 dolari față de 0,26 la Together AI, un debit de peste 100 de tokens pe secundă și un SLA de 99,5 %. Mistral, care găzduiește modele terțe începând cu GLM 5.2, se poziționează astfel atât ca furnizor de găzduire, cât și ca dezvoltator de modele. Modelul se schimbă și în culise la Perplexity: cererile transmise prin presetările Agent API rulează acum pe GPT-6, fără ca dezvoltatorul să fi ales modelul.

Rămâne întrebarea cine face măsurătorile. JEV-27B și OpenDecider susțin că au ajuns la paritate cu Jev în teste efectuate chiar de autorii lor; aceștia își publică totuși limitele, predicțiile sau un test reproductibil, iar propriile tabele îl arată pe Jev în frunte la mai multe probe, de la VitaminC la phishing. La cealaltă extremă, MiniMax lansează un model fără nicio cifră verificabilă: nici benchmark, nici tarif API, nici fereastră de context. În ambele cazuri, evaluarea independentă rămâne de făcut; AutoTrust AI anunță tocmai că își va înscrie modelul în clasamente independente.

Atât la Mistral, cât și la MiniMax, modelul trece mai întâi prin agentul de programare propriu: GLM 5.3 a devenit pe 21 septembrie modelul implicit al Vibe Code pe web înainte de a ajunge în API-ul Mistral, iar M3.1-Flash-Preview debutează în MiniMax Code înainte de Token Plan. Instrucțiunile încep și ele să circule de la un agent la altul: versiunea preliminară 1.0.89-5 a Copilot CLI citește fișierele .claude/rules scrise pentru Claude Code, astfel încât același depozit poate ghida ambii agenți cu aceleași reguli, cel puțin în această versiune preliminară.