AI: дайджест за 1 апреля 2026
1. Wan 2.7 Image: релиз линейки моделей для генерации и редактирования изображений
Вышла Wan 2.7 Image с четырьмя вариантами (Text-to-Image и Image-Edit, включая Pro-версии с 4K). Заявлены улучшения по лицам, поддержка HEX-кодов цветов, мелкого текста, до 9 референсов и генерация до 12 консистентных картинок по одному промпту — это расширяет контроль и пригодность для продакшена.
Источники: t.me/cgevent
2. Внутренности и ограничения Claude Code по утечке исходников
В утечке описаны различия в критериях качества для сотрудников Anthropic и внешних пользователей, механизмы anti-distillation, авто-сжатие контекста при больших объёмах и жёсткие лимиты чтения/вывода tool calls без явного предупреждения. Также упоминаются режим скрытия внутренних упоминаний в коммитах и задел на автономный агентный режим KAIROS и мультиагентность без явного лимита воркеров — это важно для понимания поведения инструмента и рисков при использовании.
Источники: t.me/cgevent
3. Google Veo 3.1 Lite: более дешёвая генерация видео при той же скорости
Google представили Veo 3.1 Lite: заявлено, что он вдвое дешевле Veo 3.1 Fast при той же скорости. Доступны Text-to-Video и Image-to-Video в 720p/1080p, длительности 4/6/8 секунд, а также доступ через Gemini API, Google AI Studio и Flow — это снижает стоимость видеогенерации и расширяет точки доступа.
Источники: t.me/cgevent
4. Tinycorp: eGPU на Mac через собственный драйвер, одобренный Apple (пока только для tinygrad)
Tinycorp портировали драйвер для видеокарт Nvidia и AMD на macOS, и Apple его одобрили, что позволяет подключать GPU по USB/Thunderbolt на современных Mac. Пока решение работает только с tinygrad и с ограниченной поддержкой моделей/железа, но это заметный шаг к практическому использованию внешних GPU на Mac без прежних ограничений.
Источники: t.me/ai_newz
5. Apple предложили PathMoE: ограничение роутинга в MoE через шаринг роутера по блокам слоёв
В работе Path-Constrained Mixture-of-Experts (PathMoE) предлагается обновлять параметры роутера не на каждом слое, а на блоках из нескольких слоёв, ограничивая пространство путей. Сообщается о более стабильном качестве на масштабе 16B и об отказе от отдельного loss для балансировки нагрузки — это может упростить обучение и улучшить эффективность разреженных моделей.
Источники: t.me/gonzo_ML
6. История про секретный трейдинговый проект DeepMind (Project Mario)
В статье описывается, что в 2016 году внутри DeepMind якобы запускали секретный проект по high-frequency trading с отдельной командой и попытками нащупать сотрудничество с BlackRock, но проект не принёс денег и был закрыт. Это показывает, как AI-лаборатории экспериментировали с альтернативными источниками дохода и почему корпоративные ограничения могли такие инициативы остановить.
Источники: t.me/cgevent
