AI: дайджест за 18 марта 2026
1. OpenAI выпустила GPT-5.4 mini/nano и обновила Codex субагентами
OpenAI представила GPT-5.4 mini и GPT-5.4 nano и обновила Codex: добавлены субагенты, где большая модель координирует и проверяет результат, а mini параллельно выполняет задачи (рефакторинг, поиск по коду и изменения). Также приведены метрики SWE-Bench Pro (57,7% у GPT-5.4 против 54,4% у mini) и заявлены цена/контекст для mini (400k).
Источники: t.me/How2AI
2. Ранний доступ к Midjourney V8 alpha: 2K-режим, ускорение и новые режимы качества
Midjourney открыла ранний доступ к V8 alpha: заявлены лучшее понимание сложных промптов, улучшенная персонализация/sref/moodboards, более быстрые генерации (примерно в 5 раз) и лучший рендер текста. Добавлены режимы --hd (нативный 2K) и --q 4 для когерентности, при этом часть функций работает дороже/медленнее и relax-генераций пока нет.
Источники: t.me/How2AI, t.me/ai_newz
3. Naver показала Seoul World Model: «Street View» через world model на базе Nvidia Cosmos Predict 2.5
Naver продемонстрировала Seoul World Model — модель реального городского пространства, по которому можно «путешествовать» на большие расстояния и применять промпт-редактирование сцен. Сообщается, что основа — Nvidia Cosmos Predict 2.5 (DiT на 2B параметров), обучение на 24 H100 и скорость около 15 fps на одной H100; код и веса обещаны позже.
Источники: t.me/ai_newz
4. NVIDIA выпустила KIMoDo: text-to-motion с ограничениями и кодом
NVIDIA представила KIMoDo — text-to-motion проект с возможностью задавать ограничения движения, позы, траектории, взаимодействие с объектами и FK/IK. Указано, что модель обучена на 700 часах оптического мокапа и сопровождается кодом и документацией, что упрощает практическое применение и доработки.
Источники: t.me/cgevent
5. Attention Residuals: замена аддитивных residual-соединений на attention-агрегацию по глубине
В работе Attention Residuals предложен механизм выучиваемого attention (depth-wise) для агрегации репрезентаций из предыдущих слоёв вместо обычного суммирования residual, чтобы ограничивать рост активаций и улучшать поток градиентов. Заявлен выигрыш в вычислительной эффективности около 1,25x и улучшения на задачах рассуждения при сопоставимых вычислениях.
Источники: t.me/gonzo_ML
6. FAIR представила Omnilingual MT для перевода на 1600+ языков и новые метрики оценки
FAIR выпустила Omnilingual MT (OMT) — набор моделей, данных и метрик, расширяющий машинный перевод до более чем 1600 языков, включая линейку decoder-only на базе LLaMA 3 и encoder-decoder модель на 3B параметров. Важность в том, что работа адресует «generation bottleneck» для малоресурсных языков и показывает, что специализированные модели 1–8B могут конкурировать с 70B по качеству перевода, а также вводит инструменты оценки вроде BLASER 3 и бенчмарков BOUQuET.
Источники: t.me/gonzo_ML
7. Библиотека промптов для Seedance 2.0 с примерами видео из Twitter и WeChat
Опубликована curated-библиотека промптов для Seedance 2.0, где собраны примеры видео и соответствующие промпты, включая подборки из WeChat. Это упрощает воспроизводимость результатов и ускоряет подбор рабочих шаблонов для генерации видео.
Источники: t.me/cgevent
8. ГигаЧат прошёл аттестацию в Сколтехе по математике и компьютерным наукам
ГигаЧат прошёл двухэтапную аттестацию на базе Сколтеха: закрытое тестирование в формате MMLU (500 вопросов) и очный экзамен с комиссией, где оценивали логику и глубину понимания. Итоговая оценка — 4 («хорошо»), заявлено соответствие уровню выпускника магистратуры по направлению «Математика и компьютерные науки».
Источники: t.me/official_gigachat
