Desert Ant Labs 18 cihazüstü Sİ modelini vahid SDK ilə təqdim edib

Avropa süni intellekt laboratoriyası Desert Ant Labs 2026-cı il sentyabrın 8-də audio, görü və mətn üçün cihazda işləyən on səkkiz ixtisaslaşmış modeli, Swift, Kotlin və JavaScript üçün vahid SDK-nı və yerli inference-i pulsuz edən qiymət modelini təqdim edib.

Hər vəzifəyə bir model

Modellərdən on ikisi sabit, altısı betadır. Hər biri millisaniyələrlə cavab verir və işlədilməsi heç nəyə başa gəlmir; bu da onu hər kadrda və ya düymə basımında istifadə edilə bilən və beş illik telefona sığan edir. Voz iPhone-da on dəqiqəlik audionu iki saniyədə mətnə çevirir — Whisper-dan 4,7 dəfə sürətli — hər sözün başlama və bitmə vaxtı ilə. Clear beş dəqiqəlik yazını bir saniyədə studiya keyfiyyətli audioya çevirən 9MB modeldir. Redact adları, ünvanları və kart nömrələrini 27 dildə real vaxtda maskalayır ki, serverə çatmasınlar. Tongue üç sözdən 84 dili 2MB model ilə tanıyır: 293MB detektorun 0,887 balına qarşı 0,933 bal. Redact isə şəxsi məlumatların 88,8%-ni tutur, 2,3GB GLiNER-PII isə 91,1%-də qalır.

Niyə cihazüstü

Laboratoriya yerli inference-i Avropanın suveren standartı kimi təqdim edir: məlumatlar müştərinin əlindən çıxmır, funksiya başqasının buludundan asılı deyil və heç vaxt yüklənməyən tələb edilə bilməz. İqtisadiyyat artıq ödənilmiş hesablama gücünə əsaslanır: sektor bu il data mərkəzlərinə təxminən 450 milyard dollar xərcləyəcək, halbuki dünyada getdikcə güclü çiplərlə milyarddan çox telefon, planşet və noutbuk satılır — insanların əlindəki hesablama gücü Yerdəki bütün Sİ data mərkəzlərindən çoxdur. Desert Ant həmçinin üç agent sistemini təhlil edən NVIDIA tədqiqatçılarının böyük modelə müraciətlərin 40–70%-nin kiçik, ixtisaslaşmış modelə keçə biləcəyi təxminini gətirir. Hər model ayda 100 000 aktiv cihaza qədər pulsuzdur.

Video tətbiqindən öz modellərinə

Komanda beş il Detail video tətbiqi üzərində işləyib, lakin infrastruktur xərcləri artdıqca Auto Edit klip yaradılması və podkast səsinin yaxşılaşdırılması üçün bulud API-lərinə qayıtmalı olub. Modelləri özləri öyrədiblər: Clear Dolby-ni əvəz edib, Voz cihazüstü transkripsiyanı beş dəfə sürətləndirib. On dəqiqəlik videonu beş saniyədə onlarla klibə çevirən 284MB Clips isə Claude Sonnet-i əvəz edib: 10 dəfə sürətli və eyni keyfiyyətlə 470 dəfə az enerji ilə. iOS 27 ilə çıxacaq Detail 6 bütün bulud API-lərini tamamilə cihazda işləyən öz modelləri ilə əvəz edəcək.

Əvvəlcə "kiçik beyinlər"

Desert Ant ilk yüz modeli beyincik kimi təsvir edir — daim işləyən işləri öhdəsinə götürən kiçik beyin — sonra isə hansı modelin cavab verəcəyini müəyyən edən korteks qatı gəlir: əvvəlcə kiçik yerli model, iş tələb etdikdə daha böyüyü, bulud isə yalnız iş cihazdan çıxmalı olduqda. Modellər seçilmiş standart və onu dəyişmək üçün rıçaqlarla gəlir; runtime model ilə birlikdə optimallaşdırılır: Clear və Voz iPhone Neural Engine-də, Clear-ın eyni çəkiləri brauzerdə WebAssembly ilə işləyir. SDK GitHub-dadır; sənədlər, Mac CLI və Hugging Face-də brauzer demoları ilə birlikdə.