Promptra Team for Promptra

Posted on Jul 24

«чат gpt қазақша» голосом: Inkling - первая open-weight модель с нативным аудио

#ai #llm #api #chatgpt

15 июля 2026 года лаборатория Thinking Machines, которую собрала бывший CTO OpenAI Мира Мурати, открыла веса своей первой модели. Inkling - 975 млрд параметров, активны из них 41 млрд - принимает текст, изображения и звук напрямую, без внешних энкодеров. В Inkling аудио обрабатывается без внешних энкодеров.

Для тех, кто ищет «чат gpt қазақша» и хочет разговаривать с ИИ по-казахски голосом, новость важная, но с честной оговоркой. Inkling слышит, однако не говорит: отвечает она только текстом. Поэтому разговор по-казахски сегодня складывается из трёх путей - голосовой режим ChatGPT, национальный стек Казахстана и дообучение открытой модели под свой корпус речи. У каждого своя цена и свои границы.

Условия оплаты и доступности проверяй у выбранного сервиса. Рабочих варианта три: зарубежная карта, посредники и агрегаторы вроде provod.ai (российский OpenRouter), где ChatGPT и Gemini доступны в рублях по официальным тарифам. К доступу вернёмся ближе к концу.

Что случилось 15 июля 2026 и почему Inkling называют переломом для голосового ИИ

Коротко: вышла первая open-weight модель, которая понимает аудио нативно - звук режется на дискретные dMel-спектрограммы и идёт прямо в общий поток токенов. Веса под Apache 2.0 уже на Hugging Face. На тесте AudioMC она набрала 56.6% против 24.3% у ближайшего открытого конкурента. Голосовых ответов у неё нет.

Схема называется encoder-free early fusion: изображения входят патчами 40×40 через четырёхслойный hMLP, аудио - спектрограммами, и всё смешивается с текстом на раннем слое. Такая architecture, без внешних энкодеров, раньше была уделом закрытых лабораторий. По анонсу Thinking Machines от 15.07.2026, предобучение шло на 45 трлн токенов текста, картинок, аудио и видео, контекст - до 1 млн.

Что модель умеет со звуком: транскрибирует речь, выполняет голосовые инструкции, отвечает на вопросы о записях и рассуждает над длинным аудио. Практический сценарий: наговорил совещание на диктофон, загрузил файл, получил транскрипт и разбор по пунктам. Раньше для этого нужна была связка из двух-трёх сервисов.

Бенчмарки - данные самой компании, effort=0.99, держи это в уме. VoiceBench: 91.4% у Inkling против 88.8% у Qwen3-Omni и 94.3% у Gemini 3.1 Pro. MMAU: 77.2% против 77.5% и 82.5%. AudioMC: 56.6% против 24.3% у Qwen3-Omni - разрыв больше чем вдвое. Закрытые модели всё ещё впереди, и Thinking Machines это признаёт дословно: «Inkling - не самая сильная модель на сегодня, ни среди открытых, ни среди закрытых». Меня здесь подкупает не цифра, а тон: вендоры так о своих релизах пишут редко.

Умеет ли ChatGPT говорить по-казахски и сколько это стоит

Коротко: умеет, с оговорками. Голосовой режим работает на GPT-Live-1 у платных планов и на GPT-Live-1 mini у бесплатного. Голосовой режим поддерживает 50+ языков, в списках поддерживаемых фигурирует и казахский. По официальному FAQ OpenAI на июль 2026: Go и Plus - до часа полного голоса плюс до двух часов mini за скользящие сутки, Pro за $200 в месяц - без лимита, один разговор - до двух часов.

Включается так: Settings, дальше Voice, затем Language - или прямо в разговоре попроси модель сменить язык. На айфоне путь тот же. Честная оговорка: официальный Help Center перечень языков не публикует, список с казахским идёт из вторичных FAQ - перед покупкой подписки проверь доступность в своём приложении.

Часть пользователей видит заглушку «app unavailable in region»: голосовые функции зависят от региона аккаунта. Текстовый чат при этом работает.

По качеству тоже без иллюзий. Казахский для глобальных моделей - low-resource язык. Бенчмарк KazMMLU - 23 000 вопросов из школьной программы - показывает: даже GPT-4 и DeepSeek V3 заметно проседают на казахском против высокоресурсных языков. На юридическом подмножестве KazQAD GPT-4o набирает лишь около 63%, по публикации MDPI Applied Sciences от 06.07.2026. Для бытового разговора хватит, для договора или справки из госоргана - перепроверяй глазами.

Что сделать прямо сейчас:

Открой приложение ChatGPT и включи голосовой режим.
Выбери казахский в настройках голоса или попроси в разговоре: «говори по-казахски».
Следи за лимитом: бесплатный план - это mini-режим, часовая планка полного голоса живёт на Go и Plus.
Видишь заглушку про регион - значит, голос на твой аккаунт ещё не раскатали; используй текст и проверяй позже.

Что уже построил Казахстан: KazLLM, Oylan 2.5, MangiSoz и Soyle

Коротко: свой стек у Казахстана есть, и он старше шума вокруг Inkling. KazLLM - первую LLM страны в версиях 8B и 70B на архитектуре Llama 3.1, обученную на 150+ млрд токенов - представили президенту Токаеву в декабре 2024 как «основу казахского Chat GPT». А Oylan 2.5 с ноября 2025 принимает вопросы текстом и голосом на казахском, русском и английском.

За стеком стоит институт ISSAI при Назарбаев Университете. MangiSoz 2.0 распознаёт и синтезирует речь и переводит на пять языков, от казахского до китайского. TilSync рисует субтитры в реальном времени, Soyle - мобильный переводчик речи. Веса KazLLM лежат на Hugging Face по некоммерческой лицензии. 4 мая 2026 Токаев поручил полностью интегрировать казахский язык в цифровые системы и перевести архивы в датасеты для обучения, писал Tengrinews. Экосистема шире одной модели: Sherkala, мультимодальная Qolda, бенчмарки KazMMLU, KazQAD, Qorgau и KazCulture.

Синтез речи уже работает на контент. MangiSoz озвучивает аудиокниги, и профиль спроса понятен по поиску: детективы, фэнтези, любовные романы, «гарри поттер» на казахском. Живые актеры озвучки вряд ли потеснятся - студия даёт другой класс интонации, - но тираж TTS покрывает то, за что студия не возьмётся по деньгам. Бытовой сценарий: наговорил встречу, распознал, сохранил в мп3 (mp3, мр3 - как ни напиши), а переписку с ботом вытащил расширением exporter или онлайн конвертером. Казахскоязычные ассистенты живут и в тг.

При чём тут Inkling и что открытые веса дают казахскому голосу

Коротко: прямого ответа «Inkling говорит по-казахски» нет - в карточке модели стоит «English and other languages», казахский отдельно не заявлен. Ценность в другом: это первая открытая основа с нативным аудио, которую можно дообучить на казахском корпусе. Веса на Hugging Face, файнтюнинг - в Tinker.

Как это выглядит практически. Веса в двух видах: исходный BF16-чекпоинт и NVFP4 под чипы NVIDIA Blackwell. Дообучение идёт через Tinker, API файнтюнинга самой Thinking Machines: контексты 64K и 256K, на старте действует ограниченная скидка 50%, по анонсу от 15.07.2026. Поиграться можно и в playground в консоли Tinker - он бесплатный на старте. Готовый hosted API дают TogetherAI, Fireworks, Modal, Databricks и Baseten, локальный инференс - transformers, SGLang, vLLM, TokenSpeed и llama.cpp.

Ограничение железа трезвит: BF16 требует около 2 ТБ суммарной VRAM - это серверная стойка, а не ноутбук, а NVFP4 привязан к чипам B200 и GB200. Поэтому, если создаем казахского голосового ассистента на этой базе, порядок такой:

Берёшь веса с Hugging Face или идёшь в hosted API - дома флагман не поднять.
Собираешь казахский корпус: речь и транскрипты, включая архивы, которые по поручению президента переводят в датасеты.
Дообучаешь в Tinker на контексте 64K или 256K.
Ответы голосом озвучиваешь отдельным TTS - например, казахстанским MangiSoz, потому что сама модель звук не генерирует.

Ещё два факта из анонса, которые пригодятся при расчётах. Функция controllable thinking effort регулирует бюджет рассуждения программно, от 0.2 до 0.99: на Terminal Bench 2.1 Inkling догоняет Nemotron 3 Ultra, расходуя примерно втрое меньше токенов. И одновременно показали превью Inkling-Small - 276 млрд параметров, 12 млрд активных, VoiceBench 90.0%, местами не хуже старшей; полные веса обещают после завершения тестирования.

Способ	Голос на входе	Голос на выходе	Казахский	Цена и лимиты на июль 2026	Открытость
ChatGPT Voice (GPT-Live-1)	да	да	в списках поддерживаемых фигурирует	Go/Plus: 1 час + 2 часа mini в сутки; Pro $200/мес без лимита	закрытая
Oylan 2.5 (ISSAI)	да	да	родной, кириллица и латиница	в материалах ISSAI цена не названа	нацпродукт
MangiSoz 2.0 + Soyle	распознавание	синтез и перевод	родной, до 5 языков	по данным Назарбаев Университета	KazLLM открыта по CC-NC
Свой стек на Inkling	да	нет, только текст	после дообучения	веса бесплатно; BF16 - около 2 ТБ VRAM	Apache 2.0

Проверить тезис из этой таблицы можно на живой модели, не дожидаясь конца статьи: в provod.ai модели для текста, кода и работы с файлами собраны с одного баланса в рублях и без VPN - гоняешь казахский промпт прямо в чате и сравниваешь ответы.

Что это не решает и с чем тему путают

Коротко: тремя вещами. Inkling не генерирует голос - только принимает звук. ChatGPT Voice ограничен часами. Казахский у глобальных моделей заметно слабее английского. А ещё у темы два шумных соседа: генерация музыки и картинок.

Голосовых ответов у Inkling нет: модель слышит и пишет текстом. Для разговора «вживую» нужен внешний синтезатор речи - отдельный компонент и отдельные деньги.

По безопасности компания сама советует внешнюю модерацию (Llama Guard): на FORTRESS Adversarial модель держит 78.0%, а на Benign - 95.9%, но уступает на role-play и косвенно сформулированных вредных запросах. Запросы вроде «интим» фильтры режут на уровне платформ ещё до модели.

Отдельно - серые ключи. Запросы «фанпей», «funpay», «ggsel», «плеерок» и оплата через озон ведут на маркетплейсы аккаунтов и ключей. Риски стандартные: аккаунт отзовут, деньги не вернут, переписки останутся у продавца. Легальная альтернатива - оплата в рублях по счёту.

Первый сосед - музыка. Запросы вида «ai cover», «нейросеть песня монстр», «блатные треки с матами», «ai cover кани», «алые розы» в нейро-обработке, «охотник», «лара», «рать», транс и rock - это про генерацию песен и каверов с последующим мп3 (mp3, мр3) на выходе. Там свои сервисы и свои проблемы с авторскими правами, к голосовому чату по-казахски это не относится.

Второй сосед - картинки. Если ты искал promt (опечатка в слове prompt) для dall - то есть DALL-E, upscale в Topaz, enhancer для старых фото, связку ComfyUI с fooocus, YandexART, bing image creator или dark фильтры - эта статья не про это. Inkling умеет смотреть изображения, но рисовать не умеет: выход у модели только текстовый.

Как собрать свой голосовой стек через один API и платить в рублях

Коротко: если голос на казахском - продуктовая задача (свой ассистент, озвучка контента, транскрипция встреч), такую задачу решают в коде. Подключение к моделям через единый апи сводится к смене двух строк: ключа и base_url.

Что использовать вместо чат gpt, когда дневной лимит голоса исчерпан? Рабочий вариант - текстовый fallback через тот же контур, без простоя команды. Проверь поддерживаемые SDK и эндпоинты в документации сервиса:

from openai import OpenAI

client = OpenAI(
    api_key="PROVOD_KEY",
    base_url="https://api.provod.ai/v1",
)

Один рублёвый баланс закрывает чат и прод: оплата российской картой, СБП или по счёту, для юрлиц - договор и закрывающие. Новые востребованные модели добавляются максимально быстро, так что когда аудио-стек доберётся до массового API, интеграцию пересобирать не придётся.

Когда provod.ai не подходит

Коротко: в трёх случаях из этой темы. Если нужен фирменный голосовой режим ChatGPT с его голосами и лимитами - это подписочная функция OpenAI, и тут требуется прямая подписка вендора.

Второй случай - дообучение Inkling на своём железе или в Tinker: агрегатор не заменяет ни GPU-мощности, ни Hugging Face, ни работу с корпусом казахской речи. Третий - казахстанские продукты: Oylan 2.5, MangiSoz и Soyle это отдельный национальный стек, их никто не агрегирует, туда идут напрямую к ISSAI. Доступ к глобальным моделям и оплата в рублях закрываются агрегатором, остальное в этой теме решается у вендоров и в Астане.

Собрать рабочий контур проще, чем выглядит со стороны: на provod.ai единый API, совместимый с OpenAI- и Anthropic-SDK, оплата в рублях российской картой, СБП или по счёту, для юрлиц - договор и закрывающие. Один баланс: тестируешь голосовой сценарий в чате, катишь в прод через тот же ключ.

Словарик запросов кластера

Коротко: эту тему ищут десятками странных написаний - разбираем, что люди имеют в виду.

Как пишут название:

«сат gpt» и «ча гпт» - опечатки при быстром наборе, имеется в виду обычный ChatGPT.
«джп» - кириллический транслит букв GPT.
«аi» и «ia» - кириллица с латиницей вперемешку, клавиатуру не переключили.
«уцц», «ю», «э», «эй», «ша», «ван» - обрывки запросов и автозамены, ведут не сюда.

Адреса и хвосты:

«ру», «www», «bb», «le», «au», «tg» - хвосты адресов вроде «чат gpt ру» или «qwen au»: человек ищет сайт, а не тему.

Имена и сервисы:

«queen» - так на слух пишут Qwen, открытую модель, которая мелькает в бенчмарках выше.
«депсик» - это DeepSeek по-русски.
«nana» и «banan» - Nano Banana, генератор изображений, к голосу отношения нет.
«alisa» и «alica» - смешанный интент с Алисой: люди сравнивают двух голосовых помощников.
«roblox» и «vscode» - встройка ИИ в игровой движок и редактор кода, соседние интенты.
«майл» - связки запросов с почтовыми сервисами.
«ban» - от бана аккаунта до умных очков, не про голос.

Файлы, картинки и прочее:

«пнг», «logo», «чб» - иконки, логотипы, чёрно-белые фильтры.
«читы» и «читов» - игровые читы и обходы, к теме не относятся.
«анна», «елена», «ева», «александр» - имена из запросов про конкретные аудиокниги и романы: спрос на озвучку, а не на чат.
«сопромату» - студенты ищут помощь с сопроматом.
«прическа» - подбор причёски по фото, визуальный интент.

provod.ai — единый API для AI-агентов, MCP и автоматизации

Подключайте агентов, MCP-клиенты, CLI-инструменты и AI IDE к одной точке: модель можно менять под этап сценария, не собирая заново интеграцию и биллинг для каждого поставщика.

В одном каталоге — актуальные модели для текста и медиа: GPT от OpenAI, Claude от Anthropic, Gemini от Google, Grok от xAI, DeepSeek, Qwen, GLM, Kimi и MiniMax; для изображений — Nano Banana 2 Pro и GPT Image; для видео — последние версии Seedance, Kling, Veo и Google Omni. Также доступны модели для reasoning, поиска, документов, эмбеддингов, музыки и аудио.

Тариф каждой модели передаётся без посреднической наценки: цена в provod.ai равна официальной цене провайдера 1:1, а все агенты расходуют общий рублёвый баланс.

Запустите своего агента через provod.ai: форма регистрации · цены на модели · защита данных по 152-ФЗ · API и интеграции

FAQ

Коротко: пять вопросов, которые остаются после таблицы.

Можно ли бесплатно говорить с ChatGPT по-казахски? На бесплатном плане голосовой режим работает на GPT-Live-1 mini с суточным лимитом. Полный голос - на платных: Go и Plus дают до часа GPT-Live-1 плюс до двух часов mini за скользящие 24 часа, Pro за $200 в месяц снимает лимит. Один разговор в любом случае ограничен двумя часами - по официальному FAQ OpenAI на июль 2026.

Можно ли скачать Inkling и запустить дома? Веса открыты на Hugging Face, но полный BF16-чекпоинт требует около 2 ТБ суммарной VRAM, а NVFP4-сборка - чипов Blackwell. Реалистичные варианты: hosted API у TogetherAI, Fireworks, Modal, Databricks или Baseten, либо ждать усечённые сборки под llama.cpp. И качай с официальной страницы: запросы вида «inkling weights torrent» и «magnet ссылка» ведут на сторонние раздачи, где чекпоинт может оказаться битым или с сюрпризом внутри.

Генерирует ли Inkling голосовые ответы? Нет. Аудио и изображения - только на вход, на выходе исключительно текст. Для озвучки ответов нужен отдельный TTS-компонент, например казахстанский MangiSoz.

Что выбрать для казахского голоса сегодня - ChatGPT или Oylan 2.5? Зависит от задачи. ChatGPT удобнее для старта: приложение у всех на слуху, лимиты прозрачные. Oylan 2.5 отвечает на родном казахском, поддерживает кириллицу и латиницу и анализирует изображения. Для качества языка логичнее нацстек, для экосистемы и привычки - ChatGPT.

Когда выйдет Inkling-Small? Даты нет: превью показали 15.07.2026, полные веса обещают после завершения тестирования. Известны параметры - 276 млрд всего, 12 млрд активных - и цифры: AIME 2026 - 95.1%, GPQA Diamond 88.3% против 87.2% у старшей модели, IFBench 83.4% против 79.8%.