AI: дайджест за 30 июня 2026
1. ComfyUI запустил бету MCP-сервера, CLI и Comfy Skill для агентного управления воркфлоу
ComfyUI начал бетатест MCP-сервера, который позволяет ИИ-агентам управлять генеративными воркфлоу: запускать схемы по описанию на естественном языке, искать ноды/модели, подхватывать воркфлоу по URL и переиспользовать сохранённые пайплайны. Параллельно запущены бета Comfy CLI и репозиторий Comfy Skill, что упрощает интеграцию ComfyUI в агентные сценарии и автоматизацию.
Источники: t.me/ai_newz, t.me/cgevent
2. Сбер открыл исходники KVAE-Audio — аудиокодек/токенизатор для ускорения обучения генеративных моделей
Сбер выложил в открытый доступ KVAE-Audio — модель для сжатия аудио 48 кГц с компрессией «в 960 раз по времени» и латентным пространством до 64 каналов, чтобы быстрее обучать генеративные модели по сравнению с обучением на сыром сигнале. Заявлено превосходство по метрикам над MMAudio (Sony) и конкурентоспособность относительно DACVAE (Meta) и SAME-L (Stability AI); код и веса доступны под лицензией MIT.
Источники: t.me/ai_newz
3. Meituan представила LongCat 2.0: крупная MoE-LLM, обученная на китайских чипах
Meituan релизнула LongCat 2.0, обученную на кластере из ~50 тысяч китайских чипов, по описанию похожих на Huawei Ascend 910C; заявлены 1,6 трлн параметров (48 млрд активных) и обучение на 35 трлн токенов, включая данные с контекстом около 1 млн токенов. Это важно как демонстрация масштабного обучения LLM без Nvidia/TPU и как сигнал о зрелости альтернативной аппаратной базы; веса обещают выпустить позже.
Источники: t.me/ai_newz
4. BabelTele: «нечитаемый» язык для LLM, снижающий расход токенов при межмодельном общении
В работе «Large Language Models Do Not Always Need Readable Language» представлен BabelTele — способ сжимать контекст в плотные символьные/мультиязычные строки, которые остаются декодируемыми для других LLM без файнтюнинга. Авторы заявляют экономию токенов до 72,1% при сохранении 99,5% семантической точности в zero-shot, что может снизить стоимость и задержки в мультиагентных и RAG-сценариях.
Источники: t.me/gonzo_ML
5. Plurio.ai: анонс эфира о перформанс-маркетинге с AI и автоматизации управления рекламой по прогнозному CAC
Plurio.ai анонсировали эфир о том, как строить performance-маркетинг с AI, включая подход, где агент пересчитывает прогнозный CAC на исторических данных с учётом «дотёкших» продаж и автоматически повышает/снижает бюджеты или перезапускает креативы. Практическая ценность — в описании механики автоматизации решений в рекламных кабинетах на основе вероятностных прогнозов, а не только текущих метрик платформ.
Источники: t.me/cgevent
