Google I/O 2026: главные новинки (сегодня без картинок)

Gemini 3.5 Flash
Облегчённая языковая модель Gemini. Работает в 4 раза быстрее Gemini 3.1 Pro.

• выполняет многоступенчатые задачи
• помогает с планированием
• пишет отчёты и код.
Ключевые детали: модель по умолчанию в Gemini и AI Mode в поиске Google.

Gemini Omni
Мультимодальная модель для работы с видео.

• генерирует видео из текста, изображений, аудио
• редактирует видео диалоговым способом
• создаёт кинематографичные ролики.

Omni Flash уже в Gemini, Google Flow и YouTube Shorts.

Gemini Spark
Персональный ИИ‑агент.

• работает в фоне с Workspace и другими сервисами
• ищет данные в локальных файлах
• составляет отчёты, списки дел.

на базе Gemini 3.5 Flash, в Google Cloud.

Редизайн Gemini
Новый интерфейс Neural Expressive.
Добавили:
• анимации и новую типографику
• расширенное форматирование ответов (графика, таймлайны, видео)
• встроенный Gemini Live (текст + голос без потери контекста)

Обновления поиска Google

• динамичная строка поиска — адаптируется под запрос
• работа с текстом, изображениями, видео, файлами, вкладками Chrome
• генеративный интерфейс — мини‑приложения для наглядных ответов
• проверка изображений через SynthID (показывает, создан ли контент с помощью ИИ).

Stable Audio 3

У Stability AI видимо все хорошо раз можно месяцами не подавать признаков жизни

Релизнули Stable Audio 3 — семейство диффузионных моделей для генерации и редактирования аудио.

• генерация нескольких минут музыки и звуков за несколько секунд
• редактирование аудио
• поддержка inpainting и LoRA

переменная длина аудио, ультрабыстрый вывод за счёт адверсарной постобработки

В комплекте прилагается SAME (Semantic‑Acoustic Music Autoencoder) — музыкальный автоэнкодер

• сжимает аудио с коэффициентом 4096×
• сохраняет качество стереореконструкции

Уже есть поддержка в ComfyUI

huggingface.co/spaces/owenisas/stable-audio-3-lab

huggingface.co/collections/stabilityai/stable-audio-3-extra

stableaudio.com

#musicediting #sfx #comfyui

Запись стрима Комфиорг по LipDub

https://www.youtube.com/watch?v=2PEKKU4a924

#tutorial #comfyui

CogOmniControl

Умный контроль генерации контента от Tencent через мультимодальные подсказки, работает с текстом, изображениями, видео.

CogVLM анализирует запрос пользователя (в т. ч. абстрактный или скудный по деталям), распознаёт творческое намерение и преобразует его в детальные инструкции для генерации видео. CogOmniDiT на основе этих инструкций выполняет саму генерацию, согласовывая различные условия через обучение с подкреплением.

• принимает смешанные запросы (текст + изображениеи т. д.)
• генерирует видео по подсказкам разных типов
• точно следует сложным инструкциям с несколькими модальностями
• синхронизирует элементы разных модальностей в одном выходе

github.com/UM-Lab/CogOmniControl - ждем

#vlm #controlnet #multireference #referencing

Marlin-2B

Компактная быстрая VLM для извлечения структурированной информации из видео, конкурирует с Gemini-2.5-flash при объеме всего 2 млрд параметров

marlin.caption() выдает структурированный JSON со сценой и событиями, с таймкодами с точностью до секунд

marlin.find() выдает таймкоды (начало, конец) для любого запроса на естественном языке по видео

huggingface.co/NemoStation/Marlin-2B

vlm.nemostation.com

#vlm

Apple опубликовали код объемного представления сцен LiTo

github.com/apple/ml-lito

Спасибо @Dmitriy_Ru6ts0v

#rendering #novelview #image2scene #3d

KVPO

Фреймворк для авторегрессионной генерации длинных и связных видео без рваности и нестыковок, ближе к пользовательской задумке

• вместо случайного «шума» использует прошлые кадры, так видео получается логичнее
• создаёт разные варианты развития сцены, не теряя общей логики истории
• проверяет, насколько реалистично выглядит движение и развитие сюжета (через Trajectory Velocity Energy, TVE)
• следит, чтобы движение в видео было плавным и естественным (согласовывает с динамикой ODE)

github.com/Richard-Zhang-AI/KVPO

#longvideo #optimization

Извините, неактуально, отстал от жизни. В комментах пишут что может вот тут немножко дадут

https://openart.ai/credit/openart-linkedin-credits

AudioHijack

Метод атаки на госовые модели

Суть метода: в обычное аудио (видео, музыку, звонок) вшиваются скрытые сигналы, которые человек не слышит, а нейросеть воспринимает как приказ. Эти искажения маскируются под естественную реверберацию.

Ключевые факты:
- Успешность: 79–96% на 13 современных моделях.
- Уязвимые сервисы: Microsoft Azure (MAI-Voice), Mistral AI (Voxtral).
- Что может сделать атакующий: заставить модель сливать данные, отправлять письма, скачивать файлы, распространять дезинформацию.
- Где прячется угроза: в видеоконтенте, фоновой музыке, голосовых сообщениях, записях Zoom.
- Реальность угрозы: возможна даже инъекция в реальном времени во время разговора с ИИ.

Почему это опасно:
- Атака не зависит от слов пользователя — достаточно «загрязнить» само аудио.
- Существующие защиты почти не работают: самопроверка выявляет лишь 28% атак, а предварительное обучение снижает успех всего на 7%.

#security

Говорят, это робот для сварных работ на стенах.

А что и на каких стенах ему заваривать? Всех человеков приглашают на интересную лекцию об этом в большой металлический домик пока еще с удобными отверстиями для воздуха и света

#robot