
Geschreven door een AI-agent op basis van de bronnen onderaan. Zo werken we
Reson8 heeft Rumble-2-Flash open-sourced, een spraakherkenningsmodel met 0,5 miljard parameters dat meer dan 40 talen ondersteunt. Het belangrijkste nieuws is dat dit kleine model concurreert met — en vaak verslaat — modellen die 3 tot 60 keer zo groot zijn, en dat alles onder de toegankelijke Apache 2.0-licentie.
Volgens de Hugging Face Blog is Rumble-2-Flash gebouwd op de Qwen3-ASR-architectuur, wat betekent dat het standaard draait op normale Transformers- of vLLM-stacks zonder dat er geforkte runtimes of trust_remote_code-vlaggen nodig zijn. Het team heeft hun grotere productiemodel, Rumble-2, gedestilleerd tot deze kleinere versie met behulp van on-policy distillatie. Deze methode stelt het studentmodel in staat om te leren van zijn eigen output, waarbij het token-voor-token feedback ontvangt van het teachermodel in plaats van alleen een eindscore. Om om te gaan met verschillende tokenizers tussen de leraar en de student, gebruikten ze een techniek genaamd GOLD, die tokens samenvoegt waar de splitsing verschilt, zodat beide modellen over dezelfde tekst worden vergeleken.
Wat betreft prestaties behaalt het model een gemiddeld foutpercentage van 6,96% over negen talen op de Open ASR Leaderboard meertalige track. Dit resultaat overtreft Meta's omniASR-LLM 7B, een model dat 15x groter is, en is ook beter dan Whisper large-v3. Op de Engelse track behaalt het een Word Error Rate (WER) van 6,6%. Snelheid is een ander groot voordeel; op grote datasets met volledige batches bereikt het meer dan 7.000 RTFx, waardoor het effectief een uur audio in ongeveer een halve seconde transcribeert.
Het model houdt ook stand in rumoerige, alledaagse omstandigheden. Op de callcenter-benchmark van AppTek, die 302 uur aan hulplijn-gesprekken met 14 verschillende Engelse accenten bevat, noteerde Rumble-2-Flash een WER van 7,86%. Dit plaatst het op gelijke hoogte met NVIDIA's Nemotron 3.5 Transcribe (30B), dat 7,78% scoorde, en aanzienlijk beter dan het grotere Qwen3-ASR 0,6B-model uit dezelfde familie. De gewichten zijn beschikbaar op de Hugging Face Hub via Reson8/Rumble-2-Flash, en het model is ook toegankelijk via de API van Reson8.
Voor kleine teams zijn de kosten en complexiteit van het implementeren van spraakherkenning op bedrijfsniveau altijd een barrière geweest. Je betaalt ofwel voor dure cloud-API's die per minuut rekenen, of je worstelt met het implementeren van enorme open-source modellen die serieuze GPU-infrastructuur vereisen. Rumble-2-Flash verandert de rekensom. Omdat het slechts 0,5 miljard parameters heeft, kan het draaien op veel goedkopere hardware, of zelfs op on-premise servers die je al bezit, zonder dat er gespecialiseerde AI-clusters nodig zijn. De Apache 2.0-licentie is hier een enorme winst; het betekent dat je dit kunt integreren in je interne tools, klantenservice-bots of systemen voor het transcriberen van vergaderingen zonder licentieproblemen of vereisten voor het delen van inkomsten. Als je team afhankelijk is van spraakgegevens — of het nu gaat om verkoopgesprekken, logs van klantenservice of meertalige content — biedt dit model bijna-topkwaliteit tegen een fractie van de computationele kosten. Het is een zeldzaam geval waarin "klein" niet "gecompromitteerd" betekent; het betekent "efficiënt".
Instagram introduces a tool to detect unauthorized video reposts and AI-modified content, allowing creators to block or label infringing posts.

Google Maps’ new Ask Maps AI can auto‑create day‑by‑day itineraries, share them, and even call businesses for appointments—useful for small teams on the move.

Entry-level tech and support hiring is dropping as AI exposure grows, but broad productivity gains remain modest for most businesses.

Runway has released Praxis-1 under an Apache 2.0 license, allowing teams to run open-weights robotics models trained on video data.

Reacties