Ты наверняка замечал, как быстро раздувается счет за API, если поручать одной гигантской модели вообще всё подряд — от банальной сортировки писем до верстки сложных интерфейсов. Гонять тяжеловеса на 500+ миллиардов параметров ради простого ответа «да» или «нет» — это всё равно что вызывать карьерный самосвал, чтобы привезти из магазина пакет молока.
Индустрия открытого искусственного интеллекта нащупала куда более рациональный путь: разделение труда. Вместо одной неповоротливой модели на все случаи жизни архитекторы собирают агентные ансамбли из специализированных экспертов Mixture-of-Experts (MoE). Мы уже изучали архитектуру Ling 3.1 Flash на 560 млрд параметров, а также разбирали возможности открытой модели NVIDIA Nemotron 3.5 Super VL для анализа интерфейсов.
В сегодняшнем обзоре сопоставим три свежих открытых релиза осени 2026 года, закрывающих три принципиально разных этапа агентного конвейера: тяжелую верстку, молниеносную маршрутизацию и визуальную верификацию.
Ling-3.1-Flash
560 миллиардов параметров и генерация веб-страниц
Когда агенту требуется сгенерировать сложную многостраничную структуру или провести глубокий рефакторинг целого модуля, легковесные модели быстро захлебываются. Здесь в игру вступает Ling-3.1-Flash от китайской лаборатории InclusionAI (Ant Group).
Модель насчитывает колоссальные 560 миллиардов параметров в совокупности, но благодаря разреженной MoE-архитектуре на каждый конкретный токен активируются лишь 25 миллиардов параметров. Это позволяет ей удерживать баланс между глубоким пониманием связей и приемлемой скоростью генерации.
Главные особенности релиза:
- Окно контекста в 1 миллион токенов: Модель способна переварить всю кодовую базу среднего проекта или массивную техническую спецификацию (в облачных сервисах лимит составляет 256K токенов).
- Свободная лицензия MIT: Веса выложены в открытый доступ на Hugging Face в форматах BF16 и квантованном FP8 E4M3.
- Аппаратные аппетиты: Суммарный объем весов достигает 574 ГБ, поэтому для ее локального развертывания потребуется серверный кластер уровня 8x H100 или A100.
Это специализированный «тяжелый экскаватор» для синтеза законченных веб-страниц и масштабных архитектурных блоков.
Drex 2.0
MoE-маршрутизация для мгновенных дискретных решений
А что делать на этапе, когда агенту не нужно писать прозу, а нужно за доли секунды решить, по какой ветке сценария пойти дальше? Использовать Ling или Claude здесь расточительно.
Для таких задач команда NACE.AI представила модель Drex 2.0 (drex-v2.0). Она обучена на базе архитектуры QEN 3.6 (35 миллиардов параметров, из которых активны всего 3 миллиарда) с одной узкой целью: отсечь любое словесное многословие и выдать вероятностный вектор решений.
Вместо того чтобы генерировать длинное рассуждение на 500 токенов, Drex 2.0 за миллисекунды оценивает входящее событие и возвращает точный скоринг по заданному списку действий (например, в триаже лидов: «назначить созвон», «отправить документацию», «запросить уточнение бюджета»).
- Модель работает на 38% быстрее предыдущей версии 1.5 на контекстах от 32K до 128K токенов;
- Достигает показателя AUC 0.984 на классификации сообщений и 96.3% точности в режиме zero-shot на бенчмарке DecideBench;
- Исключает риск галлюцинаций в ветвлении логики, выдавая строгие дискретные вероятности.
Nemotron 3.5 Super VL
Мультимодальный визуальный инспектор для агентов
Финальное звено в цепочке — контроль качества. Агент сгенерировал страницу или интерфейс, но как проверить, что верстка не съехала, а кнопка оплаты не перекрыта всплывающим баннером?
Ответом NVIDIA стал релиз Nemotron 3.5 Super VL под открытой лицензией OpenMDW v1.1. Это гибридная модель на 120 миллиардов параметров (12 миллиардов активных на токен), объединяющая линейные слои Mamba-2, MoE-структуру и специализированный визуальный энкодер C-RADIO.
Модель нативно обучена работать в агентных контурах (в частности, в связке с Hermes Agent и средой OpenCode). Она воспринимает скриншоты экранов, сложные схемы, диаграммы и многостраничные PDF-отчеты. В стресс-тестах по выявлению дефектов верстки и сверке интерфейса с макетом Nemotron 3.5 Super VL превзошла более тяжелые закрытые аналоги NVIDIA, оставаясь доступной для локального развертывания через vLLM и SGLang.
Синтез: разделяй и властвуй
Сравнение этих трех инструментов наглядно показывает, куда движется практическая архитектура ИИ:
- Drex 2.0 берет на себя мгновенный триаж событий и маршрутизацию пайплайна за копейки;
- Ling-3.1-Flash подключается на этапе глубокого синтеза объемных веб-страниц и кода;
- Nemotron 3.5 Super VL проверяет визуальный результат скриншотом в браузере перед коммитом.
Комбинация узкоспециализированных MoE-моделей оказывается кратно дешевле, быстрее и стабильнее, чем попытка взвалить все стадии задачи на одну монолитную сверхтяжелую нейросеть.