Три новости из мира ИИ, которые заслуживают вашего внимания.
1. Бенчмарк «Испытание Дали» — искусство как IQ-тест для нейросетей
Михаил Радионов из компании Флаг Софт опубликовал на Habr необычный способ проверить LLM: посадил 28 моделей в кресло «судьи» креативной игры, где нужно оценивать ответы участников с точки зрения Сальвадора Дали, Эйнштейна и Кобейна. Никаких MMLU и MATH — только культурные отсылки и абстрактное мышление.
Результат дня: Модель Gemini упомянула Мону Лизу — Радионов решил проверить: правда ли Дали использовал её образ? Оказалось — да, Дали действительно рисовал себя в её образе. Значит, модель не просто вспоминала факты, а «понимала» контекст. Тестирование: температура 0, 5 запусков на модель (~1000 ответов), ручная разметка за два дня. Прошли испытание Claude, DeepSeek, Gemini, GigaChat, GPT, Grok, YandexGPT.
На пальцах: Если нейросеть понимает, почему Дали нарисовал себя в образе Моны Лизы — значит, она действительно «думает», а не просто подбирает слова. Это как если бы на экзамене по философии студент не зубрил ответы, а реально рассуждал.
Почему это важно: Стандартные бенчмарки проверяют «знаю факт / не знаю». Дали-проба проверяет «понимаю контекст / не понимаю». Для бизнеса это ценнее — контекстное мышление ближе к реальным рабочим задачам.
2. Диффузионные модели рисуют швы на 40-мегапиксельных фото. Вот почему и что с этим делают
Профессиональные камеры снимают в разрешениях до 150 мегапикселей. Диффузионные модели нативно генерируют лишь в 1024–2048 пикселей. Индустриальный костыль — нарезать фото на тайлы, обработать каждый отдельно и склеить. Проблема: модель при обработке тайла не видит соседние — получаются швы, цветовые перепады, размытые текстуры на границах.
Решение из мира видео: видеомодели «помнят» соседние кадры через механизм temporal attention (внимание к соседним кадрам). Эту идею хотят перенести на пространственную ось. Три кандидата из научных публикаций:
- BCLA (Block Causal Linear Attention — блочно-каузальное линейное внимание) из SANA-Video — механизм с константной памятью, которая не растёт с числом тайлов;
- FramePack от Lvmin Zhang (автор ControlNet) — дальние тайлы сжимаются, ближние хранятся в полном разрешении;
- SVD-style reshape из Stable Video Diffusion — перестановка осей тензора: пространственное внимание превращается во временно́е. Добавляет ~656 млн параметров.
На пальцах: Представьте, что вы красите стену по частям, но каждый раз забываете, какой цвет был рядом. Будут видны стыки. Теперь представьте, что вы красите и одновременно помните всю стену целиком. Швов не будет.
Почему это важно: Все профессиональные AI-инструменты редактирования (Retouch, Generative Fill, ComfyUI-ноды) используют тайловый подход и страдают от этого. Если перенос attention-механики заработает — это качественный скачок для коммерческой AI-ретуши.
3. Новый LAMP: ваш Agent Pipeline — это Apache в 2006 году
Пользователь Miller83 (Habr, ~2.7K просмотров, 4 месяца опыта, 400+ сессий) сформулировал провокационный тезис: индустрия AI-агентов повторяет ошибку LAMP-эпохи. Все массово изучают LangChain, RAG, VectorDB (три кита современной AI-инфраструктуры: фреймворк-оркестратор, поиск по документам, база векторных эмбеддингов), но никто не думает о том, как решать задачу.
Авторский сессионный подход — без всего перечисленного: папка с файлами, git, сессии как рабочий журнал (не чат). Роли и компетенции — в отдельных файлах с доменной спецификой. Контракты precondition / postcondition / invariant. Результат: firmware для STM32, криптодвижок с ECDSA, пересборка BSP для ARM64 — 131 коммит за 11 дней.
Ключевое разделение:
- Pipeline (автономный агент) → заменяет человека → человек нажимает кнопку и ждёт
- Сессионный подход → усиливает человека → человек управляет, корректирует, учит
На пальцах: Модель — это инструмент. Как компилятор. Ты же не выбираешь архитектуру проекта исходя из того, какой у тебя компилятор. Модель пишет код ровно настолько хорошо, насколько ты умеешь объяснить, что писать.
Итог: Три разных горизонта — от культурного интеллекта до физики редактирования и архитектуры агентов. Объединяет их одно: индустрия дозрела до вопросов качества, а не количества.
