leanrea
Небольшой скилл для агента: один файл на 8 КБ. Заменяет REA для реверсинжиниринга приложений, но устроен проще.
REA — отдельный сервис между агентом и программами для анализа файлов. Весит 25 МБ, добавляет агенту больше двух сотен инструментов и требует настройки. Каждый запрос тянет за собой описание всех инструментов
leanrea ничего не устанавливает. Это просто текст который подсказывает агенту что делать
• Какая команда быстрее для конкретного типа цели: Electron, нативные бинарники, Go, Android, WASM, базы данных, веб
• Готовые команды для первого прохода
• Типичные ошибки и ловушки
• Правило помечать каждое утверждение: что видно, что выведено, что неизвестно
Как работает
Агент читает подсказки и запускает обычные утилиты через терминал. Промежуточного слоя нет - нет и накладных расходов
#coding #skill
MAX
Небольшой скилл для агента: один файл на 8 КБ. Заменяет REA для реверсинжиниринга приложений, но устроен проще.
REA — отдельный сервис между агентом и программами для анализа файлов. Весит 25 МБ, добавляет агенту больше двух сотен инструментов и требует настройки. Каждый запрос тянет за собой описание всех инструментов
leanrea ничего не устанавливает. Это просто текст который подсказывает агенту что делать
• Какая команда быстрее для конкретного типа цели: Electron, нативные бинарники, Go, Android, WASM, базы данных, веб
• Готовые команды для первого прохода
• Типичные ошибки и ловушки
• Правило помечать каждое утверждение: что видно, что выведено, что неизвестно
Как работает
Агент читает подсказки и запускает обычные утилиты через терминал. Промежуточного слоя нет - нет и накладных расходов
#coding #skill
MAX
👍10🔥1
Nemotron 3.5 Super VL
Открытая модель на 120B параметров для постоянно работающих агентов: самое быстрое выполнение задач и высокая точность в своем классе. Вместе с ней вышли две edge-модели.
• Мультимодальные агентные задачи: следование инструкциям, работа с инструментами, многошаговые бизнес-процессы
• #OCR, таблицы, графики и структурированные данные в визуальных документах
• Читает веб-страницы, PDF и картинки, отдает выводы по ним
edge
• Bolt 74B-A9B 24GB: нативная 2-битная квантизация, влезает в 24 ГБ
• Bolt E4B 4GB: для голосовых ассистентов и встроенных интерфейсов на RTX и Jetson
HF
OpenRouter
#agent #multimodal
MAX
Открытая модель на 120B параметров для постоянно работающих агентов: самое быстрое выполнение задач и высокая точность в своем классе. Вместе с ней вышли две edge-модели.
• Мультимодальные агентные задачи: следование инструкциям, работа с инструментами, многошаговые бизнес-процессы
• #OCR, таблицы, графики и структурированные данные в визуальных документах
• Читает веб-страницы, PDF и картинки, отдает выводы по ним
edge
• Bolt 74B-A9B 24GB: нативная 2-битная квантизация, влезает в 24 ГБ
• Bolt E4B 4GB: для голосовых ассистентов и встроенных интерфейсов на RTX и Jetson
HF
OpenRouter
#agent #multimodal
MAX
🔥9
Интерпретируемость нейросетей долго казалась тупиком. Нейроны выглядели как клубок: один реагировал и на кошек, и на машины. Объяснение: нейронов не хватает на все понятия, сеть складывает несвязанное вместе. Изучать сеть напрямую нельзя
Ник Каммарата, один из авторов ранних работ, вернулся к старым примерам с новыми инструментами. Оказалось, их прочитали неверно
Тот самый нейрон «кошки и машины» ловит букву V — усы и решетку радиатора. Каша в поздних слоях InceptionV1 была сбоем обучения: после обычных правок архитектуры 99-100% нейронов того слоя читаются. В Qwen3-32B у 90% нейронов одна основная задача, у 7% две связанные, и только 2-4% пока непонятны
Что принимали за свалку оказалось ветвлением: нейрон на «iy» дорастает до «diy», потом до «do it yourself»
Сети можно изучать как есть. Для контроля над поведением моделей это хорошая новость
already-clean.goodfire.com
#news
MAX
Ник Каммарата, один из авторов ранних работ, вернулся к старым примерам с новыми инструментами. Оказалось, их прочитали неверно
Тот самый нейрон «кошки и машины» ловит букву V — усы и решетку радиатора. Каша в поздних слоях InceptionV1 была сбоем обучения: после обычных правок архитектуры 99-100% нейронов того слоя читаются. В Qwen3-32B у 90% нейронов одна основная задача, у 7% две связанные, и только 2-4% пока непонятны
Что принимали за свалку оказалось ветвлением: нейрон на «iy» дорастает до «diy», потом до «do it yourself»
Сети можно изучать как есть. Для контроля над поведением моделей это хорошая новость
already-clean.goodfire.com
#news
MAX
🔥12🤯5😁2❤1👨💻1
Decision Index
Первый бенчмарк для decision-моделей на Artificial Analysis — Jev и подобных
Слабое место почти у всех — отказ от галлюцинаций: у GLiDE 16.4, у Clef 4.3, у Celeris-1 ноль. То есть модели уверенно выбирают вариант, но не всегда честно говорят «не знаю»
Спасибо @morozovsk
#benchmark #decision #leaderboard
MAX
Первый бенчмарк для decision-моделей на Artificial Analysis — Jev и подобных
Слабое место почти у всех — отказ от галлюцинаций: у GLiDE 16.4, у Clef 4.3, у Celeris-1 ноль. То есть модели уверенно выбирают вариант, но не всегда честно говорят «не знаю»
Спасибо @morozovsk
#benchmark #decision #leaderboard
MAX
👍3❤1
Surjo-Image-Preview
Очередной микротрансформер на арихитектуре Looped DiT для генерации картинок 256×256 по тексту. 108 млн параметров, обучен с нуля на rectified flow matching.
Объекты и атрибуты даются лучше всего, позиции слабее, глаголы и точный счет почти не удаются. Текст рисует плохо, лица и руки ломаются вне распределения, подписи только на английском. Это финальные веса превью, полный релиз обещают с большим набором данных и доработанной архитектурой
Смотря что нужно. Модель крошечная и быстрая, поэтому её сильная сторона — там, где важна скорость и цена, а не финальное качество.
Где пригодится
• Черновики и превью: набросать композицию, цвет, настроение перед нормальной генерацией
• Пакетная генерация низкого разрешения: плейсхолдеры, фоны, текстуры, тайлы, мудборды
#compact #t2i
MAX
Очередной микротрансформер на арихитектуре Looped DiT для генерации картинок 256×256 по тексту. 108 млн параметров, обучен с нуля на rectified flow matching.
Объекты и атрибуты даются лучше всего, позиции слабее, глаголы и точный счет почти не удаются. Текст рисует плохо, лица и руки ломаются вне распределения, подписи только на английском. Это финальные веса превью, полный релиз обещают с большим набором данных и доработанной архитектурой
Смотря что нужно. Модель крошечная и быстрая, поэтому её сильная сторона — там, где важна скорость и цена, а не финальное качество.
Где пригодится
• Черновики и превью: набросать композицию, цвет, настроение перед нормальной генерацией
• Пакетная генерация низкого разрешения: плейсхолдеры, фоны, текстуры, тайлы, мудборды
#compact #t2i
MAX
🥴3🔥2👍1
This media is not supported in your browser
VIEW IN TELEGRAM
DBS (Dynamic Band Splitting)
Метод разделения аудиоисточников от Tsinghua: границы частотных полос подстраиваются под каждый микс, а не задаются заранее. Бюджет токенов при этом фиксированный.
Как работает
• Предсказывает границы полос по содержимому внутри частотных блоков
• Отбирает заданное число границ через hard Top-K
• Пулит полосы с учётом содержимого в компактные токены
• После разделения сглаживает и растягивает токены обратно на сетку STFT
• Уточняет их по частоте и декодирует комплексные маски общей по частоте головой
Две версии
• DBS-BSRNN: 4.7M, окна по 3 секунды
• DBS-TIGER: 1M, окна по 6 секунд
Обе делят монодорожку 44.1 кГц на музыку, звуковые эффекты и речь. BSRNN тяжелее и аккуратнее на коротких окнах, TIGER компактнее и смотрит дальше по времени
hf.co/JusperLee/DBS-TIGER-DnR
hf.co/spaces/JusperLee/DBS-Demo
github.com/JusperLee/Dynamic-Band-Splitting
#audioseparation #demix #unmix
Метод разделения аудиоисточников от Tsinghua: границы частотных полос подстраиваются под каждый микс, а не задаются заранее. Бюджет токенов при этом фиксированный.
Как работает
• Предсказывает границы полос по содержимому внутри частотных блоков
• Отбирает заданное число границ через hard Top-K
• Пулит полосы с учётом содержимого в компактные токены
• После разделения сглаживает и растягивает токены обратно на сетку STFT
• Уточняет их по частоте и декодирует комплексные маски общей по частоте головой
Две версии
• DBS-BSRNN: 4.7M, окна по 3 секунды
• DBS-TIGER: 1M, окна по 6 секунд
Обе делят монодорожку 44.1 кГц на музыку, звуковые эффекты и речь. BSRNN тяжелее и аккуратнее на коротких окнах, TIGER компактнее и смотрит дальше по времени
hf.co/JusperLee/DBS-TIGER-DnR
hf.co/spaces/JusperLee/DBS-Demo
github.com/JusperLee/Dynamic-Band-Splitting
#audioseparation #demix #unmix
👍4
Timestral от Mistral
Семейство открытых базовых моделей для прогноза временных рядов. Версии на 5M, 28M, 123M и 209M параметров. Работают в режиме zero-shot — без дообучения под конкретный ряд
• Прогноз одномерных и многомерных рядов
• Ковариаты: только прошлые и известные на будущее
• До 32 768 шагов истории на входе и до 1024 шагов прогноза за один проход
• #SOTA zero-shot на GIFT-Eval, TIME и fev-bench
• Инференс на PyTorch, CPU или GPU
Зачем нужны такие модели
• Прогноз спроса и продаж, планирование закупок и склада
• Нагрузка на серверы и сети, планирование мощностей
• Финансовые и страховые ряды, оценка рисков
• Промышленность: датчики, вибрации, обслуживание по состоянию
• Энергетика: выработка, потребление, цены на рынке
• Медицина: мониторинг показателей, раннее предупреждение
huggingface.co/mistralai/Timestral-209M
github.com/mistralai/timestral
#timeseries
MAX
Семейство открытых базовых моделей для прогноза временных рядов. Версии на 5M, 28M, 123M и 209M параметров. Работают в режиме zero-shot — без дообучения под конкретный ряд
• Прогноз одномерных и многомерных рядов
• Ковариаты: только прошлые и известные на будущее
• До 32 768 шагов истории на входе и до 1024 шагов прогноза за один проход
• #SOTA zero-shot на GIFT-Eval, TIME и fev-bench
• Инференс на PyTorch, CPU или GPU
Зачем нужны такие модели
• Прогноз спроса и продаж, планирование закупок и склада
• Нагрузка на серверы и сети, планирование мощностей
• Финансовые и страховые ряды, оценка рисков
• Промышленность: датчики, вибрации, обслуживание по состоянию
• Энергетика: выработка, потребление, цены на рынке
• Медицина: мониторинг показателей, раннее предупреждение
huggingface.co/mistralai/Timestral-209M
github.com/mistralai/timestral
#timeseries
MAX
🔥7👍4
Audiobook Studio
Генератор аудиокниг для #MacOS на базе Qwen с наложением звука на epub. Из книги получается и аудиоверсия, и epub с аудиослоем.
Три режима
• Полный автомат: закинул книгу и получил готовое. Система сама находит действующих лиц, определяет характер, возраст и акценты, собирает озвучку и файлы
• Полуавто: то же самое плюс правка персонажей
• Telegram-бот: отправляешь epub, получаешь ссылку на свой Google Drive
Что на выходе
• Аудиокнига
• epub с аудиослоем
• Подсветка текста по предложениям по мере чтения
• Только ARM, то есть Apple
• Нужен ключ Ollama или DeepSeek, тестировалось на DeepSeek 4.1 Flash
• Скорость на M2 Pro с 16 ГБ — около 1-1.6
• Обработка книги по API — примерно 10-13 центов, Ollama в рамках тарифа
Для озвученного epub нужна читалка, которая такое умеет. В примерах — часовая история
#epub2audiobook #audiobook
MAX
Генератор аудиокниг для #MacOS на базе Qwen с наложением звука на epub. Из книги получается и аудиоверсия, и epub с аудиослоем.
Три режима
• Полный автомат: закинул книгу и получил готовое. Система сама находит действующих лиц, определяет характер, возраст и акценты, собирает озвучку и файлы
• Полуавто: то же самое плюс правка персонажей
• Telegram-бот: отправляешь epub, получаешь ссылку на свой Google Drive
Что на выходе
• Аудиокнига
• epub с аудиослоем
• Подсветка текста по предложениям по мере чтения
• Только ARM, то есть Apple
• Нужен ключ Ollama или DeepSeek, тестировалось на DeepSeek 4.1 Flash
• Скорость на M2 Pro с 16 ГБ — около 1-1.6
• Обработка книги по API — примерно 10-13 центов, Ollama в рамках тарифа
Для озвученного epub нужна читалка, которая такое умеет. В примерах — часовая история
#epub2audiobook #audiobook
MAX
GitHub
Releases · davnozdu/audiobook-studio
Native macOS Apple Silicon audiobook studio. Contribute to davnozdu/audiobook-studio development by creating an account on GitHub.
👍5❤2
This media is not supported in your browser
VIEW IN TELEGRAM
3DCodeVerse
Исследовательская экосистема, кодинг-агентов делать 3D-контент кодом: статичные и артикулированные объекты, сцены, целые миры и анимацию. Результат — редактируемая и проверяемая программа, а не запеченный меш.
Из чего состоит
• 3DCodeVerse-2M: 2 млн самостоятельных исполняемых 3D-программ. Внутри исходники, ассеты для запуска в заявленной среде, описания и записи проверок
• 3DCodeVerse Harness: мультиагентный фреймворк на графе зависимостей. Проверяет исполнение, измеряет пространство и смотрит на рендеры, правит программу без участия человека
• Практические рекомендации по 3D-кодингу из серии экспериментов
• 90% побед против Claude Design (3D Object) в парных человеческих оценках, обе стороны работали через Claude
github.com/gaoypeng/3dcodeverse
#agent #3d
MAX
Исследовательская экосистема, кодинг-агентов делать 3D-контент кодом: статичные и артикулированные объекты, сцены, целые миры и анимацию. Результат — редактируемая и проверяемая программа, а не запеченный меш.
Из чего состоит
• 3DCodeVerse-2M: 2 млн самостоятельных исполняемых 3D-программ. Внутри исходники, ассеты для запуска в заявленной среде, описания и записи проверок
• 3DCodeVerse Harness: мультиагентный фреймворк на графе зависимостей. Проверяет исполнение, измеряет пространство и смотрит на рендеры, правит программу без участия человека
• Практические рекомендации по 3D-кодингу из серии экспериментов
• 90% побед против Claude Design (3D Object) в парных человеческих оценках, обе стороны работали через Claude
github.com/gaoypeng/3dcodeverse
#agent #3d
MAX
👍6
Kimodo / ARDY
NVIDIA обновила семейство генерации движения.
• Kimodo-SOMA-RP-v1.2 — базовая, сглаженный корень, исправленные сплиты
• Kimodo-SOMA-RP-ArdyRep-v1.2 — та же база, но с представлением Ardy: сырая траектория бедра, совместимость с ARDY
• ARDY-SOMA-RP-KimodoRep — авторегрессивная ARDY в представлении Kimodo
• В апреле вышли Kimodo v1.1, где часть тестовых последовательностей попала в обучение — метрики были несравнимы. В v1.2 утечку убрали, скольжение стоп меньше, метрики сопоставимы
• ARDY вышла в июле. Теперь у нее есть вариант в представлении Kimodo
• Kimodo делает клип фиксированной длины одним проходом, ARDY работает авторегрессивно и в реальном времени
• Kimodo: 282M, до 10 с, 30 fps
• ARDY: 192M, история и выход до 8 с
github.com/nv-tlabs/kimodo
hf.co/nvidia/Kimodo-SOMA-RP-v1.2
hf.co/nvidia/Kimodo-SOMA-RP-ArdyRep-v1.2
hf.co/nvidia/ARDY-SOMA-RP-30FPS-KimodoRep-Horizon60
#animation
MAX
NVIDIA обновила семейство генерации движения.
• Kimodo-SOMA-RP-v1.2 — базовая, сглаженный корень, исправленные сплиты
• Kimodo-SOMA-RP-ArdyRep-v1.2 — та же база, но с представлением Ardy: сырая траектория бедра, совместимость с ARDY
• ARDY-SOMA-RP-KimodoRep — авторегрессивная ARDY в представлении Kimodo
• В апреле вышли Kimodo v1.1, где часть тестовых последовательностей попала в обучение — метрики были несравнимы. В v1.2 утечку убрали, скольжение стоп меньше, метрики сопоставимы
• ARDY вышла в июле. Теперь у нее есть вариант в представлении Kimodo
• Kimodo делает клип фиксированной длины одним проходом, ARDY работает авторегрессивно и в реальном времени
• Kimodo: 282M, до 10 с, 30 fps
• ARDY: 192M, история и выход до 8 с
github.com/nv-tlabs/kimodo
hf.co/nvidia/Kimodo-SOMA-RP-v1.2
hf.co/nvidia/Kimodo-SOMA-RP-ArdyRep-v1.2
hf.co/nvidia/ARDY-SOMA-RP-30FPS-KimodoRep-Horizon60
#animation
MAX
🔥9
This media is not supported in your browser
VIEW IN TELEGRAM
World from Motion
4D реконструкция на гауссианах из одного видео. С июля лежало в закладках ждало релиза
Stanford и NVIDIA, NeurIPS 2026.
• За основу взята реконструкция MoSca. Видеомодель DiffSynth дорисовывает виды с новых камер, потом эти кадры дистиллируются обратно в сцену
• То есть реконструкция и генерация работают в паре: где данных не хватает, их добирает видеомодель на базе Wan2.1-VACE-14B
github.com/GradientSpaces/World-from-Motion
huggingface.co/liyzzz/World-from-Motion
Спасибо @m_franz
#videoto4d #4d #gaussian
MAX
4D реконструкция на гауссианах из одного видео. С июля лежало в закладках ждало релиза
Stanford и NVIDIA, NeurIPS 2026.
• За основу взята реконструкция MoSca. Видеомодель DiffSynth дорисовывает виды с новых камер, потом эти кадры дистиллируются обратно в сцену
• То есть реконструкция и генерация работают в паре: где данных не хватает, их добирает видеомодель на базе Wan2.1-VACE-14B
github.com/GradientSpaces/World-from-Motion
huggingface.co/liyzzz/World-from-Motion
Спасибо @m_franz
#videoto4d #4d #gaussian
MAX
🔥7👍2
This media is not supported in your browser
VIEW IN TELEGRAM
Новости ИИ, которые можно проверить.
Три истории из ролика вышли в «Нейрогазете» за один день — 14 октября. В каждом посте — проверенные факты и ссылка на первоисточник.
Каждый день с утра до вечера — коротко о новых моделях, решениях компаний и других событиях в ИИ. Без воды и морали.
Подпишись: https://t.me/+jqF88923qXgwYjVi?erid=2W5zFHHkFFf
Три истории из ролика вышли в «Нейрогазете» за один день — 14 октября. В каждом посте — проверенные факты и ссылка на первоисточник.
Каждый день с утра до вечера — коротко о новых моделях, решениях компаний и других событиях в ИИ. Без воды и морали.
Подпишись: https://t.me/+jqF88923qXgwYjVi?erid=2W5zFHHkFFf
👎3❤1
Media is too big
VIEW IN TELEGRAM
GaussFusion
Чистка 3DGS видеомоделью
CVPR 2026, Stanford и Zillow Group.
• Чинит готовую реконструкцию на гауссианах: убирает летающие точки, мерцание и размытие от ошибок позы камеры и неполного покрытия
• Не переобучает сцену, а улучшает рендер видео-моделью
• Работает и с оптимизационными методами, и с прямыми вроде DepthSplat
Как работает
• Из реконструкции рендерится буфер гауссиан: цвет, глубина, нормали, непрозрачность, ковариация
• Буфер идет в VAE и трехмерную свертку, сжимается в латент геометрии
• Flow-трансформер на блоках DiT с геометрическими адаптерами сшивает его с латентом видео, текст входит через cross-attention
• На выходе согласованные по времени кадры без артефактов
Быстрый вариант дает 16 FPS, годится под интерактив
Код и модель ждем
Спасибо @m_Franz
#gaussian
MAX
Чистка 3DGS видеомоделью
CVPR 2026, Stanford и Zillow Group.
• Чинит готовую реконструкцию на гауссианах: убирает летающие точки, мерцание и размытие от ошибок позы камеры и неполного покрытия
• Не переобучает сцену, а улучшает рендер видео-моделью
• Работает и с оптимизационными методами, и с прямыми вроде DepthSplat
Как работает
• Из реконструкции рендерится буфер гауссиан: цвет, глубина, нормали, непрозрачность, ковариация
• Буфер идет в VAE и трехмерную свертку, сжимается в латент геометрии
• Flow-трансформер на блоках DiT с геометрическими адаптерами сшивает его с латентом видео, текст входит через cross-attention
• На выходе согласованные по времени кадры без артефактов
Быстрый вариант дает 16 FPS, годится под интерактив
Код и модель ждем
Спасибо @m_Franz
#gaussian
MAX
🔥6👍3