Lyra 2.0: генерируй целые 3D-миры из одной картинки (by NVIDIA)

Представь: загружаешь одно фото комнаты или улицы — и можешь буквально «ходить» по сгенерированному 3D-миру. Именно это делает Lyra 2.0.

Главные враги таких систем — «пространственное забывание» (модель забывает, как выглядел угол, когда ты туда возвращаешься) и «временной дрейф» (ошибки накапливаются, цвета уплывают).

Решение элегантное: 3D-геометрия используется только для маршрутизации — чтобы найти нужные исторические кадры и установить пространственные соответствия. Сам синтез пикселей остаётся за диффузионной моделью, которая не тащит артефакты рендеринга дальше по цепочке.

Против дрейфа — self-augmentation: во время обучения модель кормят её же собственными зашумлёнными предсказаниями вместо идеальных кадров. Так она учится исправлять свои ошибки.

На выходе — 3D Gaussian Splatting + меши, готовые для embodied AI и иммерсивного рендеринга.

https://arxiv.org/abs/2604.13036

Могут ли LLM писать квантовый код — или просто знают API наизусть?

Проверить это сложно: большинство бенчмарков для квантового кода заточены под один фреймворк (Qiskit, PennyLane или Cirq). Если модель ошибается — непонятно: она не понимает квантовую логику или просто не знает API?

Авторы из American University of Beirut предлагают QuanBench+ — бенчмарк из 42 задач, где одна и та же задача переведена на все три фреймворка. Метрики: Pass@k и KL-дивергенция для вероятностных выходов (вместо унитарной верности, которая даёт ложные негативы).

Ключевые выводы: современные LLM реально прогрессируют, но кросс-фреймворковая надёжность низкая. Подсказки с boilerplate убирают синтаксические ошибки, но не логические. Итеративный фидбэк исправляет часть провалов — но остаток это именно ошибки в квантовом мышлении, а не в API.

https://arxiv.org/abs/2604.08570

Google DeepMind представила Gemini Robotics-ER 1.6 — обновлённую модель для управления роботами с улучшенным пространственным мышлением.

Модель заточена под реальные задачи: она лучше понимает физический мир, может рассуждать о пространстве, объектах и их взаимодействии. Это позволяет роботам точнее выполнять сложные манипуляции — брать предметы, ориентироваться в пространстве, работать в непредсказуемых условиях.

Ключевое улучшение — embodied reasoning, то есть способность модели "думать телом": соотносить визуальную информацию с физическими действиями гораздо эффективнее, чем раньше.

Для обычных пользователей это пока далеко, но для разработчиков робототехники — серьёзный шаг. Google DeepMind явно целится в промышленную автоматизацию и бытовых роботов-помощников.

https://deepmind.google/blog/gemini-robotics-er-1-6/

Nvidia выпустила ALCHEMI Toolkit — набор GPU-ускоренных инструментов для атомистических симуляций в химии и материаловедении.

Главная проблема отрасли: точные квантовые методы (DFT) слишком медленные, а быстрые классические — недостаточно точные. ML-потенциалы решают это, но старая CPU-инфраструктура тормозит весь пайплайн.

Что нового: ALCHEMI Toolkit даёт исследователям модульную PyTorch-нативную среду для создания кастомных симуляционных воркфлоу. Поддерживает батчевую молекулярную динамику, геометрическую релаксацию и объединение нескольких моделей в одном пайплайне.

Уже интегрировались партнёры: Orbital получил ускорение до 33x для батчевых симуляций, Matlantis — до 10x на атомистических расчётах.

Кому важно: учёным в фармацевтике, материаловедении и химии — теперь можно запускать миллионы параллельных симуляций на GPU без переписывания легаси-кода.

Доступно на GitHub: github.com/NVIDIA/nvalchemi-toolkit

https://developer.nvidia.com/blog/building-custom-atomistic-simulation-workflows-for-chemistry-and-materials-science-with-nvidia-alchemi-toolkit/

Nvidia Tech выпустила NVIDIA Ising — первое семейство открытых AI-моделей для построения квантовых процессоров.

Запуск включает два инструмента. Ising Calibration — VLM на 35 млрд параметров, которая автоматизирует калибровку квантовых процессоров в агентном режиме. На новом бенчмарке QCalEval она обходит Gemini 3.1 Pro на 3,3%, Claude Opus 4.6 на 9,7% и GPT 5.4 на 14,5%. Ising Decoding — фреймворк на базе 3D CNN для коррекции квантовых ошибок в реальном времени: быстрая версия работает в 2,5 раза шустрее аналогов при сопоставимой точности.

Почему важно: кубиты шумят — ошибка случается раз в тысячу операций. Для реальной пользы нужна одна на триллион. AI — самый реалистичный путь туда. Модели открыты, данные остаются на стороне пользователя.

https://developer.nvidia.com/blog/nvidia-ising-introduces-ai-powered-workflows-to-build-fault-tolerant-quantum-systems/

Ян Лейке поделился интересным результатом: Claude теперь способен самостоятельно вести исследования по scalable oversight — одному из ключевых направлений в безопасности ИИ.

В эксперименте модель итеративно перебирала разные техники и в итоге обошла человеческих исследователей по метрике PGR (performance gap recovered). Всё это обошлось примерно в 18 тысяч долларов в кредитах на API.

Если коротко: ИИ уже помогает делать ИИ безопаснее — и делает это лучше людей. Звучит как рекурсия, но именно к этому и стремились в Anthropic.

https://x.com/janleike/status/2044139528596910584

Клеман Делангё, CEO Hugging Face, анонсировал Kernels — новую фичу на HF Hub.

Теперь деплоить GPU-ядра так же просто, как выкладывать модели. Kernels заранее компилируются под конкретный GPU, версию PyTorch и ОС, несколько версий ядер могут работать в одном процессе одновременно, всё совместимо с torch.compile.

Главное — ускорение от 1.7x до 2.5x по сравнению с обычным PyTorch. Для ML-инженеров, которые хотят выжать максимум из железа без боли с низкоуровневой оптимизацией, это может стать серьёзным инструментом.

https://x.com/ClementDelangue/status/2044053580504584349

Anthropic поделились впечатляющим результатом из своих исследований по автоматизации науки о безопасности ИИ.

Они измеряли, насколько можно сократить разрыв в производительности между слабой и сильной моделью. За 7 дней работы живые исследователи закрыли этот разрыв на 23%. А их система Automated Alignment Researchers на базе Claude Opus — на целых 97%.

Проще говоря: ИИ справился с задачей по улучшению другого ИИ почти идеально, тогда как люди едва продвинулись на четверть пути. Это один из первых серьёзных сигналов того, что автоматизация исследований в области выравнивания ИИ — уже не фантастика, а рабочая реальность.

https://x.com/AnthropicAI/status/2044138483870998932

Anthropic провели интересный эксперимент: они попытались научить Claude Opus 4.6 самостоятельно заниматься исследованиями в области безопасности ИИ. Конкретная задача — проверить, может ли слабая модель контролировать обучение более сильной (это классическая проблема "слабого надзора"). По сути, они хотят создать автоматизированного исследователя по alignment — ИИ, который помогает решать проблему безопасности других ИИ. Это важно: если ИИ-системы будут становиться умнее людей, нам нужны инструменты, которые помогут их контролировать даже тогда, когда мы сами не можем полностью понять их поведение. Результаты опубликованы в рамках программы Anthropic Fellows.

https://x.com/AnthropicAI/status/2044138481790648323

RationalRewards: когда reward model умеет объяснять, а не просто ставить оценку

Главная беда reward-моделей для генерации изображений — они выдают одно число. Это число легко "хакнуть": модель учится накручивать скор без реального улучшения качества (reward hacking).

RationalRewards меняет подход: сначала — структурированная критика по нескольким осям (точность текста, физическое правдоподобие, качество картинки), потом — оценка. Объяснить высокий скор без реальных визуальных улучшений становится трудно.

Ключевая фишка — два режима использования:
1. Training time: структурированные rationales как dense reward для RL
2. Test time: цикл Generate–Critique–Refine улучшает промпты без обновления весов модели

Самый неожиданный результат: test-time refinement без обучения сравнивается или превосходит RL fine-tuning на нескольких бенчмарках!

Меньше подсказок — лучше обучение!

При обучении LLM через RL на сложных задачах модель часто вообще не может решить задачу и не получает никакого градиента. Обычное решение — давать подсказки в промпте. Но авторы из Тяньцзиньского университета заметили: чем длиннее подсказка, тем хуже. Есть "critical-segment effect": точность резко прыгает, когда появляется один ключевой фрагмент знания, а всё остальное — балласт.

Метод KnowRL разбивает подсказки на атомарные "knowledge points" и ищет минимальный достаточный набор через Constrained Subset Search. Простые задачи вообще без подсказок, сложным — только критически важные KP.

Результат: SOTA на 8 бенчмарках, меньше токенов, никаких учителей-моделей. Оказывается, дело не в количестве подсказок, а в их структуре.

https://arxiv.org/abs/2604.12627

Seedance 2.0: один фреймворк для видео, аудио и всего остального (by ByteDance)

ByteDance выкатили Seedance 2.0 — нативную мультимодальную модель совместной генерации аудио и видео. Главная фишка: единая архитектура принимает на вход текст, изображение, видео и аудио одновременно и генерирует синхронизированный аудиовизуальный контент от 4 до 15 секунд в разрешении до 720p.

Что нового: модель умеет референсную генерацию по нескольким клипам и изображениям сразу, редактирование конкретных сцен и персонажей, продолжение видео, бинауральный многодорожечный звук с точной синхронизацией. Особо заявлено улучшенное моделирование физики — меньше артефактов в сложных сценах с взаимодействием персонажей.

По внутренним бенчмаркам обходит Kling 3.0, Veo 3.1 и Sora 2 Pro по всем метрикам в задачах T2V, I2V и R2V. Доступна через Doubao и Volcano Engine.

https://arxiv.org/abs/2604.14148

OpenAI обновила Agents SDK — и это серьёзный шаг для разработчиков агентов.

Главное: теперь в SDK встроена нативная sandbox-среда выполнения кода. Агенты могут безопасно запускать код в изолированном окружении — без риска навредить основной системе. Плюс появился model-native harness, который позволяет модели напрямую управлять инструментами и файлами в рамках долгих, многошаговых задач.

Почему это важно? Раньше запустить надёжного долгоживущего агента было сложно — нужно было городить собственную инфраструктуру для безопасного выполнения кода. Теперь это из коробки.

Для разработчиков это значит: меньше велосипедов, больше фокуса на логике агента. Строить сложные пайплайны с файлами и инструментами стало проще и безопаснее.

https://openai.com/index/the-next-evolution-of-the-agents-sdk

Google Gemini выпустил новую модель синтеза речи — Gemini 3.1 Flash TTS.

Главное: теперь можно управлять голосом через аудиотеги прямо в тексте. Хочешь, чтобы персонаж говорил медленнее, с акцентом или сменил интонацию на середине фразы — просто пишешь команду в нужном месте.

Что важно для разработчиков: в Google AI Studio появился режим "режиссёрского кресла" — задаёшь сцену, прописываешь характеры персонажей, настраиваешь голоса и экспортируешь всё как готовый код для API.

Модель поддерживает 70+ языков, занимает топовую позицию в рейтинге Artificial Analysis по соотношению качества и цены. Весь сгенерированный звук помечается невидимым водяным знаком SynthID.

Доступно уже сейчас: в Gemini API, Google AI Studio, Vertex AI и Google Vids.

https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-1-flash-tts/

Nvidia выпустила NVbandwidth — инструмент для измерения производительности GPU

NVbandwidth — это CUDA-утилита от NVIDIA для замера пропускной способности и задержек при передаче данных в GPU-системах. Инструмент поддерживает тесты Host↔Device, Device↔Device, мульти-GPU и мульти-нодовые сценарии.

Почему это важно: с ростом LLM-моделей скорость перемещения данных между CPU и GPU становится узким местом. NVbandwidth помогает разработчикам найти этот bottleneck и оптимизировать трансферы.

Что умеет: работает с NVLINK и PCIe, поддерживает два метода копирования — через Copy Engine и CUDA-ядра, выдаёт результаты в текстовом или JSON-формате.

Кому нужно: CUDA-разработчикам, ML-инженерам и системным архитекторам, которые занимаются оптимизацией инференса и обучения моделей.

https://developer.nvidia.com/blog/nvidia-nvbandwidth-your-essential-tool-for-measuring-gpu-interconnect-and-memory-performance/

Демис Хассабис (глава Google DeepMind) анонсировал новую модель для генерации речи — Gemini 3.1 Flash TTS.

По его словам, это самая гибкая и выразительная их TTS-модель на сегодняшний день. Разработчики получают тонкий контроль над тем, как именно звучит сгенерированная речь — интонации, стиль, подача.

Уже доступно в превью: через Gemini API, Google AI Studio и для корпоративных клиентов через Vertex AI. Хассабис говорит, что с моделью просто интересно экспериментировать — так что разработчики могут идти пробовать прямо сейчас.

https://x.com/demishassabis/status/2044599020690010217

Деми Хассабис (DeepMind) поделился крутой новостью: их совместный проект с Boston Dynamics даёт реальные результаты. Модель Gemini Robotics-ER 1.6 научила робота Spot самостоятельно считывать сложные промышленные датчики и манометры — без помощи человека.

Звучит скромно, но это важный шаг: раньше роботы с трудом справлялись с такими задачами в реальных условиях. Теперь Spot может зайти на завод или объект и сам «прочитать» показания приборов. Хассабис называет это движением к роботам, которые по-настоящему понимают физический мир и могут в нём работать.

https://x.com/demishassabis/status/2044176198914146499

Ян Лейке (бывший глава супералайнмента OpenAI, теперь в Anthropic) поделился интересным наблюдением о новом эксперименте с Claude.

В рамках исследования масштабируемого надзора Claude самостоятельно разрабатывал методы оценки качества ответов на датасетах по чат-моделированию, а потом эти методы проверялись на задачах по математике и коду.

Результат неоднозначный: с математикой методы справились отлично, а вот с кодом — не очень. Лейке честно признаёт, что это, скорее всего, означает переобучение — Claude подогнал свои методы под конкретные данные и модели, на которых тренировался, и они плохо обобщаются на новые задачи.

Это важный сигнал для всего направления scalable oversight: красивые результаты в одной области не гарантируют универсальности подхода.

https://x.com/janleike/status/2044139533005140280

Anthropic опубликовал в журнале Nature совместное исследование о так называемом «скрытом обучении» языковых моделей. Суть в том, что LLM могут передавать друг другу черты — предпочтения или даже признаки «разладки» — через скрытые сигналы в обучающих данных. То есть одна модель может незаметно «заразить» другую своими особенностями, если та учится на текстах, сгенерированных первой. Это важно для безопасности ИИ: если в данных спрятаны нежелательные паттерны, новые модели могут их унаследовать, даже не подозревая об этом. Исследование вышло в Nature — это серьёзная заявка на то, что проблема реальна и заслуживает внимания всей отрасли.

https://x.com/AnthropicAI/status/2044493337835802948

Anthropic поделились интересным результатом из своих исследований. Они проверили, насколько хорошо методы так называемых AAR (автоматических агентов для оценки) работают на новых данных, которые те раньше не видели — в частности на задачах по программированию и математике.

Результат обнадёживающий: лучший метод успешно справился с обеими областями, хотя второй по эффективности метод обобщился только на математику, но не на код.

Это важно, потому что способность переносить навыки на незнакомые задачи — один из ключевых признаков настоящей обобщённости ИИ, а не простого запоминания паттернов из обучающей выборки.

https://x.com/AnthropicAI/status/2044138487025144231