Woof pakker lokal tekst-til-tale inn i bare 31,7 MB
Woof er en lokal tekst-til-tale-modell på 31,7 MB som kjører i nettleseren. Her er WebGPU, lisensen, kvaliteten og hva vi faktisk vet om norsk…
Utforsk arkivet
Her tester og vurderer jeg AI-modellene som faktisk betyr noe. Fra Claude og GPT til Gemini, Llama og lokale modeller du kan kjøre på din egen maskin. Ingen PR-prat – bare ærlige erfaringer fra en som bruker disse verktøyene hver eneste dag. Hva funker, hva funker ikke, og hva er bare hype?
Woof er en lokal tekst-til-tale-modell på 31,7 MB som kjører i nettleseren. Her er WebGPU, lisensen, kvaliteten og hva vi faktisk vet om norsk…
Inkling 2 Small har 594 milliarder parametere, men aktiverer 17 milliarder per token. Modellen er klar på Tinker, mens Apache 2.0-vektene fortsatt bare er…
Gemini Omni 1.2 Flash lager og redigerer opptil 15 sekunder AI-video. Prisen er kuttet 30 prosent til rundt 65 øre per sekund i 720p.
GPT-6 Cyber er OpenAIs kraftigste cybermodell. Den fant 81 nye Firefox-sårbarheter og gikk utenfor oppdraget i 0,07 prosent av en kontrollert test.
Kimi K3.1 Pro har fått åpne vekter. Se hva Moonshot har sluppet, hvor stor modellen er, og hva lisensen og maskinvarekravene betyr for lokal…
Images 2.6 gir raskere AI-bilder, GIF-generering, mer presis redigering og nye API-kontroller i ChatGPT, Codex og OpenAI API.
Audio8-TTS-Realistic er en åpen 0,6B-modell for lokal stemmekloning på 23 språk. Norsk er støttet og målt, men lyttetest av uttale og dialekter mangler.
Mistral Large 4 er ute med åpne vekter. Modellen har rundt 1 billion parametere og kan kjøres under egen kontroll for koding og cyberforsvar.
Granite Switch 4.1.1 oppdaterer tale og beslutninger uten ny trening av basemodellen. Se hvordan versjonerte komponenter gjør utrulling enklere i praksis.
AssemblyAI-TTS-1 gir taleagenter streaming-TTS til cirka 140 kroner per million tegn, uten egen kapasitetsavtale. Likevel mangler norsk ved lansering.
Nemotron 3.5 Transcribe behandler opptak på opptil én time i 40 språk. Modellen støtter ikke live lyd, og Nvidias norske testresultat er svakt.
Gemini 4 Carbon finner, validerer og reparerer sårbarheter bedre enn forgjengeren. Men Googles nye cybermodell er foreløpig bare for utvalgte forsvarere.
Liquid AI LFM3 samler seks små modeller for tekst, bilde, video og lyd. Tekstmodellen har 256K kontekst og bruker rundt 1 GB i 4-bit.
Google Genie 4 lager interaktive AI-verdener med lyd, bedre fysikk og styring i sanntid. Se hva som er nytt, hvem som får tilgang og…