AI-исследования: OpenSeeker-v2, CropVLM, ClawMark, AniMatrix — дайджест мая 2026
OpenSeeker-v2: разрушение с 10,000 сэмплов
Поисковый стартап доказал, что миллиардные бюджеты на обучение не обязательны. OpenSeeker-v2 возглавил поисковый лидерборд, используя SFT обучение на 10,000 сэмплах — число, делающее триллионно-токеновые тренировки Big Tech расточительными. Модель полностью открыта.
Вывод неудобен для инкумбентов: если маленькая команда с 10K сэмплов обходит модели, обученные на веб-масштабе, что именно покупают миллиарды на вычисления?
CropVLM: AI в поле
CropVLM занимается анализом сельхозкультур — более 30 видов растений с точностью классификации свыше 70%. Сопутствующий HOS-Net на GitHub обеспечивает zero-shot детекцию типов культур.
ClawMark: агенты хуже, чем вы думаете
ClawMark — бенчмарк для AI-коллег в динамичных офисных сценариях, покрывающий 100+ профессиональных задач. Результат: мейнстримные модели достигают лишь 20% успеха на длительных задачах. Разрыв между демо и реальностью огромен. Адаптивность — узкое место, а не просто способности.
AniMatrix: искусство над физикой
AniMatrix выбирает художественную выразительность над жесткой симуляцией физики. Система AniCaption извлекает производственные переменные (движение камеры, выражение персонажа, темп сцены). Обещают открыть веса.
Самовыражающиеся агенты Microsoft
Microsoft Research предложил фреймворк интерпретируемости, где агенты автономно итерируют для создания точных, читаемых человеком регрессоров. Маленькие модели достигают точных предсказаний, читая строковые представления — подход значительно превосходит традиционные статистические модели.
Пять этих работ говорят об одном: фронтир смещается от «больших моделей» к умному обучению, специализированным доменам, честной оценке и интерпретируемым выводам.