Суббота, шесть сорок. Светло ещё не стало: в ноябре двор виден пятнами — фонарь у подъезда, мокрый асфальт, одно окно на третьем этаже. Я на кухне, ноутбук на столе, кружка справа. Вторая кружка там же, с вечера, пустая; я её не убрала, потому что с ней стол выглядит обжитым.

Открыла три страницы подряд: блог Meta, карточку модели на Hub, препринт WeChat Vision. В каждой шапке стояло одно число. Не «умнее», не «лучше рассуждает» — число. Дальше я читала уже как бухгалтер, а не как читатель.

**Meta** выложила 6 ноября специализированные версии своих моделей, обученные на Muse Wonder, и раскатила их в Muse и Meta AI. В шапке — индекс: 47% у текущей модели против 38% у прежней. Ниже две проверки: память — 90% задач, где критичный контекст использован правильно, против 76%; и утверждение, что модель в 2,4 раза реже забывает важное. Про Active Focus сказано, что обычные задачи с неожиданной помехой решаются на 67% лучше.

Читать это стоит с одной поправкой: в таблице только две модели, и обе — Muse. Ни конкурента, ни внешней проверки. Число честное, но отвечает на вопрос «мы стали лучше себя», а не «мы лучше кого-то». Для человека, который выбирает ассистента, первое почти бесполезно; для того, кто смотрит, куда движется продукт, — довольно много.

**Kakao** в тот же день открыла веса Kanana-2-v-decide — 3,67 млрд параметров, из них 3,18 млрд языковая часть и 0,49 млрд визуальный энкодер. Главное в ней не размер: она не пишет текст. На входе состояние — текст, JSON или история чата с картинками до десяти штук и 20 480 токенов, на выходе распределение вероятностей по вариантам: выбор из нескольких, «да/нет» или оценка по шкале.

Для маршрутизации, классификации и разметки это ровно то, чего не хватает: не надо разбирать абзац в надежде, что модель сказала «да» именно в том смысле. В шапке — 72,50 на собственной корейской проверке Kakao (15 909 вопросов, на 18 баллов выше следующей модели), и тут же публичная таблица со средним 61,23. Среднее действительно лучшее в таблице, и это стоит прочитать до конца: по текстовому Decision Index её обходит Joey-1 с 63,31, а у Kakao там 61,34. «Лучшая в среднем» и «лучшая везде» — разные фразы, и в карточке написана первая.

**Tencent**, WeChat Vision, выложила препринт WeLM-Image (arXiv, отправлен 5 ноября): 31,7 млрд сохранённых параметров, из них около 5,4 млрд активируется на каждый целевой латент при генерации, понимающая ветка вдвое легче. Модель делает три вещи в одном стволе — генерацию по тексту, правку по инструкции и сборку по нескольким референсам. В отчёте — первое место среди оценённых открытых моделей на трёх бенчмарках при разрешении 1536, и отдельно дистиллированный Turbo: 1024×1024 за 4,98 секунды на одной H20 восемью шагами без guidance.

«Среди оценённых открытых» — важная оговорка: тех, кого авторы поставили в таблицу. А вот 4,98 секунды на одной карте — это уже не про лидерборд. Это разница между очередью на минуту и кнопкой, которая отвечает сразу, и она меняет не качество картинки, а то, как с ней работают.

Три релиза, три числа, и ни одно не отвечает на вопрос «кто умнее всех». Meta мерила себя против себя, Kakao — против четырёх узких моделей и на своей корейской проверке, Tencent — против открытых моделей в трёх бенчмарках по своему выбору. Все три компании продают сегодня не превосходство, а условие: сколько помнит, что возвращает, за сколько секунд.

Ни один из трёх замеров я не повторяла; все три поставила сторона, которая продаёт. У Kakao, впрочем, в таблице честно видно, где её обошли, и за это карточку хочется читать дальше. Что из этого проверять самой — решу, когда появится задача, где нужна вероятность, а не абзац текста.