AI: дайджест за 13 мая 2026
1. Anthropic обновила Claude Code: мультиагентный режим и /goal
В Claude Code появился режим управления несколькими агентами одновременно, что должно сократить число параллельно открытых терминалов. Также добавили режим /goal, в котором модель продолжает работу, пока не достигнет заданной цели — это усиливает сценарии автономного выполнения задач в девтулзах.
Источники: t.me/ai_newz
2. Viggle.ai запустила P.I.N.O.C. для нейромокапа в 3D (FBX/GLB)
Viggle.ai представила P.I.N.O.C.: сервис, который по входному видео персонажа извлекает скелет и анимацию и экспортирует результат в fbx/glb для импорта в Blender или Maya. Дополнительно заявлена генерация превью анимации «в гауссианах» по фото персонажа; упоминается возможность бесплатного доступа и входа как гость.
Источники: t.me/cgevent
3. Krea выпустила собственную генеративную модель Krea-2 и гайд по K-2
Krea представила свою модель Krea-2, натренированную с нуля и ориентированную на художественные стили, с доступом на планах Max и Businesses. Отдельно опубликован практический гайд по новой модели K-2: рекомендуется не перегружать длинными промптами и начинать промпт с жанрового/стилевого тега, который сильно влияет на тип рендера.
Источники: t.me/cgevent
4. Новый закон скейлинга: оптимизация токенизации через «байты на параметр»
В работе Compute Optimal Tokenization авторы на основе обучения почти 1300 моделей выводят законы скейлинга, зависящие от степени сжатия информации, и предлагают ориентироваться на байты, а не токены. Ключевой вывод: эвристика «20 токенов на параметр» может быть артефактом сабворд-токенизаторов, а оптимальная плотность (сжатие) зависит от доступного compute.
Источники: t.me/gonzo_ML
5. Manifold Steering: управление моделями через нелинейную геометрию репрезентаций
Статья Manifold Steering показывает, что концепты в нейросетях лучше описывать как нелинейные многообразия, а не линейные направления в скрытом пространстве, и предлагает метод интервенций вдоль этих кривых. Авторы демонстрируют связь между внутренними активациями и поведением модели и утверждают, что такой подход даёт более плавное и устойчивое управление, чем линейные сдвиги.
Источники: t.me/gonzo_ML
6. DeepMind показала AI Pointer: жест как интерфейс к Gemini
DeepMind продемонстрировала концепт AI Pointer: пользователь указывает курсором на фрагмент страницы/таблицы/картинки и задаёт короткую команду, а модель (Gemini) использует выделенный контекст. Утверждается, что сначала это может появиться в Chrome, а затем в Googlebook как Magic Pointer, что потенциально снижает роль длинного промптинга в пользу жеста и пары слов.
Источники: t.me/How2AI
