MarkTechPost · 08.08.2026 ·Инференс и железо

Pokee AI представила модель Pokee-Isaac 28B с контекстным окном 10 млн токенов

Компания Pokee AI выпустила Pokee-Isaac 28B — специализированную текстовую модель с контекстным окном 10 миллионов токенов, оптимизированную для локального развертывания внутри инфраструктуры заказчика. Модель демонстрирует высокую точность извлечения данных из длинных контекстов и превосходит существующие аналоги в агентных бенчмарках, обеспечивая при этом высокую скорость обработки префиллов на современном аппаратном обеспечении.

Архитектура модели ориентирована на решение задач, требующих анализа массивов документов или длинных логов без передачи данных во внешние облачные сервисы. Разработчики сфокусировались на сохранении целостности данных при работе с экстремально длинными последовательностями, что подтверждается результатами тестирования в RULER, где модель сохраняет работоспособность на всей длине контекста, в то время как конкуренты теряют точность после 2 миллионов токенов.

Высокая производительность достигается за счет оптимизации инференса: на одном ускорителе B200 модель способна обрабатывать до 137 200 токенов в секунду в режиме префилла. Это делает решение пригодным для корпоративных сценариев, где критически важны конфиденциальность данных, низкая задержка и возможность обработки огромных объемов контекстной информации в реальном времени.

Ключевые факты

Размер модели составляет 28 миллиардов параметров при поддержке контекстного окна в 10 миллионов токенов.
Результат в бенчмарке RULER на 10 млн токенов достиг 93,3%, что значительно выше показателей конкурентов, теряющих эффективность после 2 млн токенов.
Модель лидирует в бенчмарке BFCL v4 с показателем 70,94 и занимает второе место в Terminal-Bench 2.1.
Скорость обработки префилла при полной загрузке контекста на одном ускорителе B200 достигает 137 200 токенов в секунду.

Источник: MarkTechPost

Обсудить с ИИ

Похожие материалы

Hacker News · Модели и релизы Релиз языковой модели Pokee-Isaac 28B Разработчики представили Pokee-Isaac 28B — новую языковую модель с 28 миллиардами параметров, ориентированную на высокую производительность в задачах обработки естественного языка. Модель доступна для тестирования через облачную консоль, предлагая пользователям сбалансированное решение между вычислительными затратами и качеством генерации текста, что делает её конкурентоспособным инструментом для широкого спектра прикладных задач. Hacker News · Модели и релизы Анализ производительности и стоимости модели Qwen2.5-Max Аналитическая платформа Artificial Analysis опубликовала детальный разбор новой модели Qwen2.5-Max от Alibaba. Исследование подтверждает, что модель демонстрирует выдающиеся показатели в тестах на логику и кодинг, конкурируя с лидерами рынка вроде GPT-4o и Claude 3.5 Sonnet, при этом предлагая более выгодную экономическую модель для разработчиков и корпоративных пользователей. Hacker News · Модели и релизы Релиз модели Vacuum-16T с контекстным окном 4 млрд токенов Разработчики представили Vacuum-16T — масштабную языковую модель с 16 триллионами параметров. Ключевой особенностью релиза стало беспрецедентное контекстное окно объемом 4 миллиарда токенов. Этот показатель значительно превосходит возможности современных коммерческих систем, открывая новые перспективы для анализа сверхдлинных документов, огромных массивов кода и сложных многоуровневых баз знаний в рамках одного запроса. Hacker News · Память и RAG Новый SOTA в бенчмарке BEAM: эффективная работа с контекстом в 10 млн токенов Исследователи установили новый рекорд в бенчмарке BEAM, предназначенном для оценки способности моделей извлекать информацию из контекста объемом до 10 миллионов токенов. Достижение примечательно тем, что для решения задачи использовалась компактная модель, которая превзошла по точности и эффективности более крупные аналоги, демонстрируя значительный прогресс в архитектурах для работы с длинным контекстом. MarkTechPost · Модели и релизы Alibaba представила Qwen3.8-Max: MoE-модель с 2,4 трлн параметров Alibaba перевела флагманскую модель Qwen3.8-Max из статуса предварительного тестирования в общий доступ. Это мультимодальная архитектура типа Mixture-of-Experts (MoE) с 2,4 трлн параметров, поддерживающая работу с текстом, изображениями и видео. Модель способна обрабатывать контекст объемом до 1 млн токенов, а компания уже опубликовала тарифы на использование API и анонсировала открытие весов в ближайшее время. MarkTechPost · Инференс и железо Liquid AI представила компактную агентную модель LFM2.5-2.6B для локального запуска Компания Liquid AI выпустила модель LFM2.5-2.6B, оптимизированную для выполнения сложных агентных задач непосредственно на пользовательских устройствах. Модель с 2,69 млрд параметров поддерживает контекстное окно 128K токенов, обладает встроенными функциями вызова инструментов и демонстрирует высокую скорость генерации до 220 токенов в секунду на чипах Apple M5 Max, потребляя менее 2,5 ГБ оперативной памяти. The Decoder · Модели и релизы Moonshot AI анонсировала мультимодальную модель K3 с 2,8 трлн параметров Компания Moonshot AI представила K3 — мультимодальную модель с открытыми весами, насчитывающую 2,8 триллиона параметров и поддерживающую контекстное окно в один миллион токенов. Согласно внутренним тестам разработчика, производительность K3 сопоставима с показателями Claude Fable 5 и GPT-5.6 Sol, при этом модель превосходит Opus 4.8 и GLM 5.2 в ряде ключевых дисциплин. Hacker News · Модели и релизы Анализ производительности и стоимости модели DeepSeek-V4-Flash Аналитическая платформа Artificial Analysis опубликовала детальный разбор новой модели DeepSeek-V4-Flash. Исследование подтверждает высокую эффективность архитектуры, демонстрируя значительный прогресс в соотношении вычислительной мощности и стоимости инференса. Модель показывает конкурентные результаты в бенчмарках, сохраняя при этом низкие задержки, что делает её привлекательным решением для высоконагруженных систем, требующих быстрой обработки данных при ограниченном бюджете на API. MarkTechPost · Модели и релизы Thinking Machines Lab представила мультимодальную модель Inkling-Small Лаборатория Thinking Machines Lab выпустила Inkling-Small — мультимодальную модель с архитектурой Mixture-of-Experts (MoE). При общем объеме параметров в 276 млрд, модель задействует лишь 12 млрд активных параметров на токен. Разработка демонстрирует производительность, сопоставимую с оригинальной версией Inkling, при этом занимая в четыре раза меньше вычислительных ресурсов и памяти. MarkTechPost · Модели и релизы Thinking Machines Lab представила мультимодальную модель Inkling с 975 млрд параметров Лаборатория Thinking Machines Lab выпустила Inkling — мультимодальную модель с архитектурой Mixture-of-Experts (MoE), содержащую 975 млрд параметров. Модель поддерживает работу с текстом, изображениями и аудио, предлагая пользователям возможность гибко настраивать «усилия на размышление» (thinking effort) при генерации ответов. Веса модели опубликованы под лицензией Apache 2.0, что делает её доступной для широкого использования в исследовательских и прикладных целях.

← Все материалы