SenseNova-U1.5-8B-MoT
Превью мультимодалки от SenseNova. Полную ждем
Понимание и генерация картинок в одном трансформере. Никакого VAE, текстового энкодера и DiT
- Текст и картинка используют разные веса в смеси трансформеров, но аттендят друг на друга
- Нативный 4K
- Уверенный рендер текста на китайском и английском
- Точное редактирование
- Понимает структурированные длинные промпты без отдельного обучения
- на Qwen-Image Bench - уровень Nano Banana 2
- на ImgEdit-Bench и GEdit-Bench обходит Nano-Banana и Qwen-Image-2
Гитхаб
HF
Есть 8-шаговая лора
Попробовать
Comfyui
#4k #vlm #imageediting
VK | MAX
Превью мультимодалки от SenseNova. Полную ждем
Понимание и генерация картинок в одном трансформере. Никакого VAE, текстового энкодера и DiT
- Текст и картинка используют разные веса в смеси трансформеров, но аттендят друг на друга
- Нативный 4K
- Уверенный рендер текста на китайском и английском
- Точное редактирование
- Понимает структурированные длинные промпты без отдельного обучения
- на Qwen-Image Bench - уровень Nano Banana 2
- на ImgEdit-Bench и GEdit-Bench обходит Nano-Banana и Qwen-Image-2
Гитхаб
HF
Есть 8-шаговая лора
Попробовать
Comfyui
#4k #vlm #imageediting
VK | MAX
👍13❤1
Media is too big
VIEW IN TELEGRAM
HyCreator
Агентский харнесс от Tencent Hunyuan для генерации длинных фильмов. В авторежиме делает клипы на 10 минут без участия человека, а в любой момент можно переключиться в интерактивное редактирование в реальном времени
- Сквозной авторежим: от задумки до готового фильма без единого вмешательства
- Переключение на живое редактирование в любой момент, можно править прямо по ходу генерации
Ранний доступ по заявке через сайт
#directiong #t2v #i2v #referencing #text2script #text2movie
VK | MAX
Агентский харнесс от Tencent Hunyuan для генерации длинных фильмов. В авторежиме делает клипы на 10 минут без участия человека, а в любой момент можно переключиться в интерактивное редактирование в реальном времени
- Сквозной авторежим: от задумки до готового фильма без единого вмешательства
- Переключение на живое редактирование в любой момент, можно править прямо по ходу генерации
Ранний доступ по заявке через сайт
#directiong #t2v #i2v #referencing #text2script #text2movie
VK | MAX
👍13🥴2
Media is too big
VIEW IN TELEGRAM
4DAnyone
Создает 4D-модель человека в движении по монокулярному видео. Без рига, калибровки и штатива. Генерирует ракурсы, которых не сняла камера, и собирает их в 4D гауссианы
- Работает на живых кадрах без калибровки камеры: танцы, спорт, сцена, речь, мода
- Reference Context Packing сжимает растущий референсный контекст в фиксированный бюджет
- Target Context Routing обменивается информацией между группами ракурсов — нет структурного дрейфа
- Скелетная 3D-условие вместо хрупких depth-карт — устойчивая геометрия
В основе Wan2.2 VAE + umt5-xxl энкодер, детекция через YOLO/ViTPose/GVHMR
Работает с FlashAttention-3 или SageAttention
Гитхаб
#4d #gaussian #videoto4d #HMR
VK | MAX
Создает 4D-модель человека в движении по монокулярному видео. Без рига, калибровки и штатива. Генерирует ракурсы, которых не сняла камера, и собирает их в 4D гауссианы
- Работает на живых кадрах без калибровки камеры: танцы, спорт, сцена, речь, мода
- Reference Context Packing сжимает растущий референсный контекст в фиксированный бюджет
- Target Context Routing обменивается информацией между группами ракурсов — нет структурного дрейфа
- Скелетная 3D-условие вместо хрупких depth-карт — устойчивая геометрия
В основе Wan2.2 VAE + umt5-xxl энкодер, детекция через YOLO/ViTPose/GVHMR
Работает с FlashAttention-3 или SageAttention
Гитхаб
#4d #gaussian #videoto4d #HMR
VK | MAX
👍6❤4
WithEveryone
Фреймворк от Tencent Hunyuan и Fudan для генерации групповых портретов
До 10 человек в одном кадре, каждый со своим референсом лица
- Планирование до синтеза: модель решает, кто участвует, где стоит каждый и как построена группа, потом рендерит layout как условие
- Layout CoT привязывает личности к лицам, телам и ключевым точкам позы
Модель в процессе обучения, может потом поделятся, а может и нет
#referencing #research
VK | MAX
Фреймворк от Tencent Hunyuan и Fudan для генерации групповых портретов
До 10 человек в одном кадре, каждый со своим референсом лица
- Планирование до синтеза: модель решает, кто участвует, где стоит каждый и как построена группа, потом рендерит layout как условие
- Layout CoT привязывает личности к лицам, телам и ключевым точкам позы
Модель в процессе обучения, может потом поделятся, а может и нет
#referencing #research
VK | MAX
👍7😁6🥴3
Qwen3.8-27B-Uncensored-HauhauCS-Aggressive-MTP-GGUF
Qwen 3.8 без цензуры, агрессивный стиль
#uncensored #gguf
VK | MAX
Qwen 3.8 без цензуры, агрессивный стиль
#uncensored #gguf
VK | MAX
huggingface.co
HauhauCS/Qwen3.8-27B-Uncensored-HauhauCS-Aggressive-MTP-GGUF · Hugging Face
We’re on a journey to advance and democratize artificial intelligence through open source and open science.
🔥12👍3
This media is not supported in your browser
VIEW IN TELEGRAM
OpenBot
Инструмент для сборки ИИ-ботов, часть экосистемы CopilotKit, работает поверх LLM
• запускает бота в браузере и CLI
• подключает внешние API и инструменты
• хранит контекст диалога локально
• поддерживает кастомные промпты
#bot #agent #coding
VK | MAX
Инструмент для сборки ИИ-ботов, часть экосистемы CopilotKit, работает поверх LLM
• запускает бота в браузере и CLI
• подключает внешние API и инструменты
• хранит контекст диалога локально
• поддерживает кастомные промпты
#bot #agent #coding
VK | MAX
👍4
Ox Alpha раздают бесплатно на OpenRouter
Ox Alpha - мультимодальная фронтир модель под кодинг и агентов инкогнито, от нераскрытого разработчика
Держит миллион токенов контекста, выдает до 131К токенов, тянет текст, картинки, видео, работает с reasoning и tools
В DeepSWE 80%, лучше Fable и Sol, но выборка мелкая
Fingerprint-тесты видят сильное сходство с GLM-5.3 и GLM-5V-Turbo — вероятный разработчик Z.ai
И проверьте в OpenCode, там дают до 100 триллионов токенов в сутки
#coding #multimodal #giveaway
VK | MAX
Ox Alpha - мультимодальная фронтир модель под кодинг и агентов инкогнито, от нераскрытого разработчика
Держит миллион токенов контекста, выдает до 131К токенов, тянет текст, картинки, видео, работает с reasoning и tools
В DeepSWE 80%, лучше Fable и Sol, но выборка мелкая
Fingerprint-тесты видят сильное сходство с GLM-5.3 и GLM-5V-Turbo — вероятный разработчик Z.ai
И проверьте в OpenCode, там дают до 100 триллионов токенов в сутки
#coding #multimodal #giveaway
VK | MAX
openrouter.ai
Ox Alpha - API Pricing & Providers
Ox Alpha is a reasoning model designed for coding, sustained agentic work, and production workloads. 1,048,576 token context window.
5🔥7👀4
MiniMax Music 3 Latent Refiner v0.10 (Terminus Research)
Аудио-рефайнер для генератора песен MiniMax Music 3. Берет повреждённую музыку и восстанавливает чистую версию, сохраняя исполнение, тайминг, вокал и аранжировку
- Восстанавливает испорченные треки: шум, сжатие битрейта, обрезка, редуцированный bandwidth
- 137M (0.1B)
- Окно: 30 секунд (обучен на 30-сек окнах, вывод по умолчанию с перекрытием)
#audiorestotation #music2music
VK | MAX
Аудио-рефайнер для генератора песен MiniMax Music 3. Берет повреждённую музыку и восстанавливает чистую версию, сохраняя исполнение, тайминг, вокал и аранжировку
- Восстанавливает испорченные треки: шум, сжатие битрейта, обрезка, редуцированный bandwidth
- 137M (0.1B)
- Окно: 30 секунд (обучен на 30-сек окнах, вывод по умолчанию с перекрытием)
#audiorestotation #music2music
VK | MAX
huggingface.co
BornSaint/minimax-music3-latent-refiner-v0.10 · Hugging Face
We’re on a journey to advance and democratize artificial intelligence through open source and open science.
1👍16🔥4❤1
Два подхода к генерации картинок диффузными моделями
Латентный (обычный): картинку сжимают в маленькое скрытое представление через VAE-кодировщик, потом модель шумит и денойзит уже это сжатое представление а в конце VAE возвращает пиксели. Быстро и стабильно но теряет мелкие детали
Пиксельный (напрямую): работает сразу с пикселями без VAE. Качество деталей выше, но напрямую с нуля такую модель обучать очень медленно, сходится сильно хуже латентной
Alibaba нашли компромисс - латентно-пиксельный переход (latent-to-pixel strategy):
1. Претрейн в латентном пространстве - быстро получают хорошие генеративные знания
2. Потом переключаются в пиксельное пространство и дообучают там
Качество на уровне латентных но в 3–5 раз быстрее - не тратится время на VAE-декодирование и нет потери деталей
Не приходится выбирать между скоростью и качеством
Это рисерч, ждем новых моделей от Алибаба
#research #pixelduffusion
VK | MAX
Латентный (обычный): картинку сжимают в маленькое скрытое представление через VAE-кодировщик, потом модель шумит и денойзит уже это сжатое представление а в конце VAE возвращает пиксели. Быстро и стабильно но теряет мелкие детали
Пиксельный (напрямую): работает сразу с пикселями без VAE. Качество деталей выше, но напрямую с нуля такую модель обучать очень медленно, сходится сильно хуже латентной
Alibaba нашли компромисс - латентно-пиксельный переход (latent-to-pixel strategy):
1. Претрейн в латентном пространстве - быстро получают хорошие генеративные знания
2. Потом переключаются в пиксельное пространство и дообучают там
Качество на уровне латентных но в 3–5 раз быстрее - не тратится время на VAE-декодирование и нет потери деталей
Не приходится выбирать между скоростью и качеством
Это рисерч, ждем новых моделей от Алибаба
#research #pixelduffusion
VK | MAX
1🔥10❤3👍2