AI: дайджест за 2 июня 2026
1. OpenAI Codex стал нативным для Windows с изолированной средой агента
Вышла Windows-нативная версия приложения Codex: агент работает прямо в Windows и по умолчанию использует PowerShell, что важно для админов и разработчиков в экосистеме Windows. Отдельный акцент сделан на безопасности: для Windows реализована собственная песочница/изоляция агента на базе механизмов безопасности ОС, чтобы снизить риски от действий агента в системе.
Источники: youtube.com
2. PewDiePie выпустил Odysseus — опенсорсный лаунчер для селф-хостинга нейросетей
Анонсирован Odysseus — MIT-лицензированный open-source лаунчер, ориентированный на «обычного пользователя» и локальный UX уровня ChatGPT/Claude. Заявлены агентный режим, Deep Research, Cookbook со сканированием железа и подбором/скачиванием весов, а также возможность работать через API провайдеров при сохранении части данных локально.
Источники: t.me/ai_newz
3. США подписали AI Executive Order с упором на кибербезопасность и оценку моделей
Президент США подписал указ по ИИ, где федеральные агентства должны за 60 дней подготовить приватный бенчмарк для оценки моделей, а ответственность за оценку прогресса возложена на NSA. Также описан добровольный режим предоставления моделей до релиза и сценарий, при котором модели, сильные во взломе/поиске уязвимостей, могут быть переданы правительству за 30 дней до публичного релиза; отдельно оговорено, что указ не вводит обязательного лицензирования выпуска ИИ-моделей.
Источники: t.me/denissexy
4. Anthropic расширяет Project Glasswing: доступ к Mythos для 200 компаний
Anthropic увеличили охват Project Glasswing с 50 до 200 компаний, которым будет доступен Mythos, расширив географию до более чем 15 стран. Фокус — критически важные организации, где обнаружение уязвимостей может затронуть десятки или сотни миллионов людей, что усиливает роль ИИ в кибербезопасности.
Источники: t.me/denissexy
5. Google запустил создание персональных аватаров в Gemini Omni
В Gemini Omni появилась функция создания «камео»-аватара: пользователь записывает видео лица и голоса, после чего система сохраняет аватар для никнейма и позволяет вызывать его в промптах для генерации видео. Функция требует подписку Pro и выше и заявлена как недоступная в Великобритании, ЕЭЗ и Швейцарии.
Источники: t.me/cgevent
6. Rodin Gen-2.5 добавил генерацию 12K-текстур для 3D
Rodin Gen-2.5 объявил поддержку генерации текстур до 12K, что приближает качество к требованиям кино и игр. Доступ пока ограничен бетой для бизнес-аккаунтов, при этом отмечается, что узкими местами остаются топология и детализация.
Источники: t.me/cgevent
7. ByteDance представила Bernini для генерации и редактирования видео с этапом семантического планирования
ByteDance выпустила Bernini — систему, где MLLM сначала планирует сцену на семантическом уровне, а затем диффузионная модель рендерит видео. Заявлены генерация и редактирование видео, работа с референсами и вставка объектов; доступен публичный демо/сайт для тестирования.
Источники: t.me/cgevent
8. MoneyPrinterTurbo: опенсорсный конвейер для автогенерации роликов набрал популярность
Проект MoneyPrinterTurbo (open-source) описан как инструмент, который по промпту собирает готовый ролик: сценарий, стоковое видео, озвучку, субтитры и музыку с рендером в 1080p. Поддерживаются локальные модели через Ollama и облачные провайдеры, есть web-интерфейс, REST API и развёртывание через Docker; проект собрал более 77 тысяч звёзд на GitHub.
Источники: t.me/cgevent
9. GRAI привлёк $9 млн seed на AI music lab с легальными ремиксами
Стартап GRAI, строящий приложение для экспериментов с треками (ремиксы/смена стиля) с упором на легальность через соглашения с музыкантами и лейблами, закрыл seed-раунд на $9 млн. Компания также нанимает ML-специалистов (в т.ч. RecSys и аудио-генеративные модели), что указывает на ускорение разработки продукта.
Источники: t.me/ai_newz
10. Теория: обучение на предсказании собственных латентов снижает sample complexity
В работе «Learn from your own latents and not from tokens» предложена математическая теория, согласно которой предсказание моделью собственных скрытых представлений (латентов), а не токенов, может резко уменьшать выборочную сложность. Авторы утверждают, что подходы вроде data2vec выполняют иерархический поиск автоматически, что может стать ориентиром для более данных-эффективного обучения.
Источники: t.me/gonzo_ML
