AI: дайджест за 21 апреля 2026
1. Раскатка GPT Image 2: первые сравнения и артефакты качества
Пользователи сообщают о массовой доступности GPT Image 2 и делятся неформальными тестами: модель лучше справляется с пространственной логикой и текстом/шрифтами, но у части генераций заметны артефакты (зерно/«компрессия», регулярная мелкая сетка, местами «вклейка» лица с референса). Практическая важность — рост качества генерации и понимание ограничений перед использованием в рабочих пайплайнах.
Источники: t.me/strangedalle, t.me/ai_newz, t.me/cgevent, t.me/How2AI
2. Moonshot обновили Kimi до версии 2.6 с упором на длинный кодинг и рои агентов
Moonshot выпустили Kimi 2.6: заявлено усиление в длинных задачах по программированию и превосходство на бенчмарках над Cursor Composer 2 (основанным на K2.5). Отдельный акцент — обучение модели работе с роем до 300 параллельных субагентов, что может усилить агентные сценарии и автоматизацию.
Источники: t.me/ai_newz
3. Нейромокап в ComfyUI: плагин SAM 3D BODY восстанавливает скелет из видео с экспортом в FBX
Появился модуль для ComfyUI, который извлекает скелет/позу человека из видео и позволяет использовать это для анимации, включая экспорт скелета в FBX. Это упрощает интеграцию нейромокапа в 3D-пайплайны и перенос результатов в разные инструменты.
Источники: t.me/cgevent
4. Alibaba HappyHorse-1.0: старт корпоративного теста 27 апреля и коммерческий релиз в мае
Сообщается, что 27 апреля начнется тестирование HappyHorse-1.0 среди корпоративных клиентов на платформе Alibaba Cloud Bailian, а официальный коммерческий выпуск ожидается в мае (точная дата не названа). Модель позиционируют как оптимизированную под агентные возможности, сложные задачи и многошаговое рассуждение; также упомянуты высокие места в лидербордах arena.ai.
Источники: t.me/cgevent
5. Исследование: рекуррентные (recurrent-depth) трансформеры и «трёхфазовый гроккинг» для OOD-обобщения
В работе Loop, Think, & Generalize изучают трансформеры с рекуррентной глубиной, которые многократно прогоняют вход через одни и те же слои и демонстрируют переход от запоминания к in-distribution и затем к систематическому out-of-distribution обобщению без явного CoT. Важность в том, что это поддерживает идею масштабирования рассуждений через test-time compute и показывает как преимущества, так и пределы «долгого обдумывания».
Источники: t.me/gonzo_ML
6. Humwork.ai: платформа, где люди помогают «застревающим» ИИ-агентам
Описан стартап Humwork.ai, который привлекает людей для вмешательства в случаи, когда ИИ-агенты зацикливаются или не могут завершить задачу, подключая человека для «подталкивания» решения. Значимость — иллюстрация гибридных схем human-in-the-loop как временного моста к более автономным агентам и как нового формата микрозанятости.
Источники: t.me/cgevent
