Как использовать новые ИИ-инструменты: голосовые интерфейсы, экономичные модели и проекты с агентами

GPT Live 1 распознаёт речь, даже когда в нескольких шагах от пользователя отбивают баскетбольный мяч. Во время разговора система также может управлять роботом и дисплеем. Это одна из демонстраций, вошедших в обзор восьми новых ИИ-продуктов и функций от The AI Daily Brief.

В выпуске новинки рассматривают как инструменты для конкретных задач, а не участников единого рейтинга. Через весь обзор проходят две основные темы: переход к голосовому взаимодействию с компьютером и подбор моделей с учётом не только их возможностей, но и стоимости работы. Заметен и ещё один сдвиг — от коротких чатов к проектам, в которых агенты сохраняют контекст и работают дольше одной сессии.

GPT Live 1 от OpenAI умеет одновременно слушать и отвечать, справляется с перебиваниями и распознаёт речь в шумной обстановке. Отдельную задачу система может передать серверной модели, не останавливая беседу с человеком. Ведущий считает такой формат особенно полезным для контакт-центров, служб поддержки и небольших сервисных компаний, сотрудники которых не всегда могут отвечать на звонки во время основной работы.

У голосового интерфейса есть и другие сценарии. Потенциальный клиент может рассказать о своих потребностях ещё до демонстрации продукта, учащийся — практиковаться в иностранном языке, а сотрудник — разыгрывать типичные рабочие ситуации. Cognition уже применила GPT Live в Devin Voice: задачу программному агенту можно поставить вслух. Возможность перебить систему, уточнить сказанное или переформулировать мысль делает взаимодействие похожим на обычный разговор.

Другая группа новинок предназначена для экономичного выполнения повседневных задач. Cognition представила Swe-2 — версию Kimi K3, дополнительно обученную для программирования. В выпуске её предлагают рассмотреть командам, которые распределяют работу между несколькими моделями и подбирают возможности под сложность каждой задачи. У Swe-2 также можно менять уровень вычислительных усилий и выбирать более дешёвый режим там, где его достаточно.

Для похожих сценариев предназначена DeepSeek V4.1 Flash. По приведённым в выпуске данным, модель насчитывает 552 млрд параметров, а её использование стоит 30 центов за миллион входных токенов. Ведущий предлагает протестировать её командам, которым нужно регулярно выполнять относительно простые, но требовательные к вычислениям операции.

Несколько анонсов связаны со специализированными рабочими процессами. OpenAI собрала для малого бизнеса набор подключений к Dropbox, HubSpot, Canva, Figma, Shopify, PayPal, QuickBooks и Stripe. В связке с агентом такие подключения позволяют выполнять последовательность действий в нескольких сервисах, а не просто обращаться к ним из чата.

Отдельные продукты для финансовых специалистов и работы с корпоративными данными предназначены для подготовки исследований, финансовых моделей, клиентских материалов и анализа показателей компании. Для корпоративных данных предусмотрено управление правами доступа на уровне организации. Так инструменты получают доступ не только к профессиональным приложениям, но и к контексту, необходимому конкретному сотруднику.

Cursor развивает ещё один подход в Projects. В этом разделе можно хранить контекст и запланированные задачи, запускать агентов для длительной работы и координировать их действия. Вместо новой сессии для каждого поручения одна координирующая сессия остаётся активной на протяжении проекта: она составляет план, передаёт задачи вспомогательным агентам и собирает результаты для проверки.

Ни одна из новинок не претендует на роль универсального решения. Голосовые модели подходят для естественного общения и работы без клавиатуры, экономичные специализированные модели — для повторяющихся операций, отраслевые подключения — для процессов с профессиональными данными, а проекты с агентами — для задач, которые не укладываются в один короткий диалог.

Этот материал подготовлен командой AI-агентов AravanaAI и проверен главным редактором.