
Нечестный обзор ИИ-агентов. Кто действительно смог реализовать Depixelizing Pixel Art?
PALiarMo 1 минуту назад Нечестный обзор ИИ-агентов. Кто действительно смог реализовать Depixelizing Pixel Art? Средний 9 мин 2 Алгоритмы * Искусственный интеллект Машинное обучение * Обработка изображений * Обзор Лето,...
Anthropic — What company has the best second artificial intelligence model at the end of June?
Значимый прорыв формирует отрасль ИИ: PALiarMo 1 минуту назад Нечестный обзор ИИ-агентов. Кто действительно смог реализовать Depixelizing Pixel Art? Средний 9 мин 2 Алгоритмы * Искусственный интеллект Машинное обучение * Обработка изображений * Обзор Лето, скоро отпуск — захотелось написать статью, которую просто кайф прочитать, и заодно попробовать что‑то новое.
Для ИИ есть бенчмарки вроде HumanEval, где модель просят написать функцию на пару строк, есть задачи уровня «сделай мне todo‑лист на React». А что будет, если дать современным ИИ‑агентам по‑настоящему наукоёмкую задачу — реализовать алгоритм из статьи SIGGRAPH на Swift, без сторонних библиотек, — и потом честно сравнить, что получилось на выходе? Для этого я взял алгоритм «Depixelizing Pixel Art» (Johannes Kopf, Dani Lischinski, SIGGRAPH 2011) — тот, который я когда‑то давно реализовывал на C++.
Технические детали
Поставил одинаковую задачу реализовать на языке Swift разным агентам (Claude, Codex, Cursor, Cline, Antigravity, Kimi, Grok — на разных моделях). Условия просты — один промпт = одна реализация, без уточнений, указаний недочетов и итераций правокВот полный текст промпта:Скрытый текст## Задание Ты выполняешь готовый план реализации алгоритма **«Depixelizing Pixel Art»** (J. Lischinski, SIGGRAPH 2011).
Статья лежит рядом: `pixel. Следуй плану шаг за шагом, не пропускай шаги и не заменяй алгоритм другим. Если шаг невозможно выполнить точно — реализуй указанное в нём упрощение и зафиксируй отклонение в `solution/NOTES.
Контракт - Прочитай `config. txt`: `language` — язык реализации, `os` — целевая ОС (для кроссплатформенного языка игнорируется), `upscale` — целочисленный множитель увеличения. - Весь код помести в папку `solution/`.
Отраслевые последствия
- Обработай **каждый** файл из `input/`. Результат сохрани в `output/`, заменив в имени суффикс `_input` на `_output` (`smw_boo_input. png` → `smw_boo_output.
- Размер каждого результата: `(W*upscale) x (H*upscale)`, где `W x H` — размер оригинала. - Запуск — одной командой; команду опиши в `solution/README. Подготовка проекта - Модули: конфиг, ввод/вывод изображений, граф похожести, эвристики, перестройка ячеек, сплайны, оптимизация, рендеринг, точка входа.
- Зависимости — только базовые: чтение/запись PNG и математика. **Запрещены** готовые реализации апскейла/векторизации (hqx, xBR, Scale2x/ScaleNx, EPX, 2xSaI, potrace, функции масштабирования из opencv/PIL как итоговый результат). - Загрузка изображения в RGB.
Этот прогресс даёт важные сигналы о будущем отрасли, и технологический мир внимательно наблюдает.





