NVIDIA та Університет Ватерлоо представили мультимодальну модель PixelUMM

TL;DR

• •Модель PixelUMM має 15,2 млрд параметрів при базі Qwen3-8B
• •Ваги доступні лише для некомерційних досліджень (NVIDIA One-Way)
• •Код опублікований на licences Apache 2.0 та CC BY-NC
• •Обробляє фото, відео та текст, генерує зображення/ролики в пікселях
• •Анонсовано 4 жовтня 2026 року NVIDIA та Університетом Ватерлоо

---

Як це змінить ваш ринок?

Для медіакомпаній та продакшн-студій це сигнал про можливе подальше зменшення залежності від дискретних кодерів/декодерів у відеогенерації. Проте через ліцензійні обмеження комерційне впровадження неможливе без переговорів з NVIDIA, що залишає ризик vendor lock-in для тих, хто сподівається на відкриті ваги.

Визначення: Мультимодальна модель — AI-система, яка обробляє та генерує кілька типів даних (текст, зображення, аудіо, відео) в єдиному архітектурному каркасі.

Для кого це і за яких умов (ОБОВ'ЯЗКОВО: мін. обладнання/бюджет, потрібна команда чи ні, мін. масштаб, час на впровадження)

Для дослідження: потребує GPU з 24GB+ пам’яті для інференсу 15,2B моделі, навички роботи з PyTorch/TensorFlow, доступ до некомерційної ліцензії NVIDIA One-Way. Для комерційного використання — потрібен індивідуальний договір з NVIDIA, бюджет від $50 000/рік на доступ до ваг, команда ML-інженерів (2+ особи), 1-3 місяці на інтеграцію.

Альтернативи (ТАБЛИЦЯ: | | Продукт 1 | Продукт 2 | Продукт 3 | з колонками: Ціна, Де працює, Мін. вимоги, Ключова різниця)

| | PixelUMM (дослідження) | Stable Diffusion Video | Runway Gen-2 | Pika Labs | | Ціна | дані не розкриті (некомерційна ліцензія) | $0.00035/секунда | $0.005/секунда | $0.01/секунда | | Де працює | Локально (з обмеженнями) | Хмарний API | Хмарний API | Хмарний API | | Мін. вимоги | GPU 24GB+, навички ML | Інтернет-з’єднання | Інтернет-з’єднання | Інтернет-з’єднання | | Ключова різниця | Генерація в raw pixels без VAE | Використовує latent diffusion | Трансформер-на основі | Дифузионна модель з пост-обробкою |

---