AI: дайджест за 23 июня 2026

1. ByteDance анонсировала SeeDance 2.5 с нативным 4K и расширенными референсами

На Volcengine FORCE ByteDance представила SeeDance 2.5: нативный 4K, редактирование по промпту и поддержка до 50 мультимодальных референсов (включая 3D); 4K также добавили в SeeDance 2.0. Релиз SeeDance 2.5 запланирован на июль, что усиливает конкуренцию в генерации видео/контента за счет качества и управляемости.

Источники: t.me/ai_newz

2. ByteDance запускает платформу коммерциализации авторских прав для ремиксов

После IP-скандалов ByteDance объявила о платформе, где правообладатели смогут легально лицензировать контент под шаблоны ремиксов с разделением выручки. В качестве примера упомянут режиссер Чжоу Синчи; заявлен дневной объем генераций по его контенту свыше 100 тысяч, что может стать заметным шагом к легализации и монетизации генеративных ремиксов.

Источники: t.me/ai_newz

3. ICML-работа: IO-aware реализации слоев ускоряют GNN до 8.5× и снижают память до 76×

В spotlight-статье ICML предложены IO-aware реализации ключевых слоев GNN, уменьшающие неупорядоченные обращения к GPU-памяти и перераспределяющие параллелизм для вершин с большим числом соседей. Авторы заявляют ускорение до 8.5× и снижение потребления памяти до 76× в отдельных сценариях, а реализации доступны как drop-in замена для популярных GNN-фреймворков.

Источники: t.me/ai_newz

4. Sakana AI выпустила Fugu — систему-оркестратор для управления пулом моделей-агентов

Sakana AI представила Fugu: модель-оркестратор, которая управляет другими моделями-агентами (включая копии себя) и может переключаться на альтернативы при недоступности отдельных моделей. Подход позиционируется как способ повысить устойчивость и качество за счет оркестрации, опираясь на свежие работы Sakana про координацию агентов.

Источники: t.me/gonzo_ML

5. Fixed-Point Reasoners: циклический трансформер со стабильной сходимостью к неподвижной точке

В препринте предложена Fixed-Point Reasoning Model (FPRM) — циклический трансформер, где стабильность достигается через pre-norm и обучаемое масштабирование residual-связей, обеспечивая сходимость к неподвижной точке как естественный критерий остановки. На инференсе используется алгоритм на основе «терпения» для подавления осцилляций, что важно для адаптивного test-time compute и обучения очень глубокой развертки при фиксированной памяти.

Источники: t.me/gonzo_ML