У математиков случилось то, что скоро случится почти в любой профессии. Матокалипсис!

За драмой можно наблюдать прям сейчас, там очень весело и интересно. Началось с того, что в августе OpenAI собрала 40 математиков на встречу с интригующим названием «Конец математики». Если коротко — в одном из вариантов человеческая помощь моделям нафиг уже не нужна, спасибо, мясные, отойдите, пожалуйста.

Ещё математики там попросили публиковать всё статьями, но OpenAI всё выбросила постами, типа, сношайтесь там сами. Пока они сношались, то заметили, что идеи машинных доказательств бывают подозрительно похожи на их неопубликованные наработки, которые они обсуждали с OpenAI.

8 сентября OpenAI сказала, что её закрытая модель решила проблему Навье-Стокса. Это, если что, штука, которую люди решить не могли. За пару часов до этого ещё один товарищ со спецом из Антропика шли тем же путём и были близко, но OpenAI узнала про это и рванула наперегонки. Ещё ему предложили сделку (с его слов): писать статью вместе с OpenAI, но без коллеги Альпёге, потому что тот работает у конкурента. OpenAI сказали, что это всё ужасная ошибка, и они взяли 10 тысяч агентов на 88 часов.

Дальше офигенная цепочка событий:
— 25 топовых математиков подписали декларацию: цели ИИ-компаний и математики резко расходятся, результаты объявляются в спешке, без нормального изложения и ссылок на предшественников, что пахнет плагиатом.
— OpenAI сняла спонсорство с одного из мероприятий, где было дофига участников декларации.
— OpenAI завела консультативную группу математиков. Группа сразу попросила не гонять сложные задачи на закрытых моделях.
— 6 октября выложила 722 рукописи закрытой модели и сказала, что сношайтесь всё же, потому что тут многие результаты не понимают даже встроенные в компанию математики. Вроде, за день до этого учёные в панике публиковали свои неоконченные работы, чтобы их не обогнали.
— Объяснили такой скотский подход (с точки зрения математиков) тем, что OpenAI и Anthropic готовятся к IPO.
— Крупная ассоциация математиков предложила объявить бойкот OpenAI. В них в ответ покидали деньгами.

Дальше жопа сгорела у всего сообщества, потому что несмотря на скотский подход, доказательства-то реальные, и наука двигается. Можно истерить, но наука двигается. Но там море проблем:
— У многих опустились руки — нет смысла думать над такими задачами, потому что робот всё решит.
— Есть такой Йорг Нойнхойзерер, который всю жизнь решал три задачи и не решил, а ChatGPT походя их закрыл. Ну сорян, чо.
— Профессор Лосано-Робледо опубликовал письмо студента, который мечтал об академической карьере, а теперь не понимает, останется ли в математике место для кого-то, кроме гениев. Таких писем вроде бы много много. Процесс тоже поменялся: аспирантам теперь спускают машинные доказательства на переписывание.

В итоге ответов стало слишком много, и срочно нужны люди, которые встроят их в понятное знание. Но это ровно та работа, ради которой в математику никто не шёл. Шли вообще-то искать сами, а тут предлагают помогать роботу.

Тут работа про то, как проверять доказательства, потому что моделям верить на слово нельзя. Предлагают точно так же, как в разработке — писать скрипт и исполнять. Конкретно выгружать доказательство на языке Lean, который исполняется компилятором. Собственно, основная проблема теперь — оно стало всё проверяемо, но НИХРЕНА НЕПОНЯТНО, как работает.

За последнюю неделю выяснилось, что Lean-формализация Навье-Стокса не совпадает с доказательством в самой статье, так что третья черепаха врёт. Ну и предложили математику 2.0 — решать не надо, надо объяснять.

Добро пожаловать в матокалипсис!

--
Вступайте в ряды Фурье! | Лучшие посты
350 лет без рекламаций! Без документации! Без инструкций! Без поддержки! Теорема Ферма!

MOSS-Image AMA: разработчик ответил на вопросы на реддит

5B модель, делали полгода, упор на текст в картинке, управление композицией и базу под дообучение.

Что выяснилось
• Сборка для ComfyUI перевалила за 354 тысячи скачек
• Модель чувствительна к сиду и выдает очень разные картинки, на коротких промптах управлять трудно. На длинных один сид держит стабильно, а правка промпта при том же сиде работает как редактирование
• В официальной сборке ComfyUI полный VAE FLUX.2, в их чекпойнте маленький декодер: убирает пятна и артефакты
• Мыло лечится негативом "blurry"
• AI-картинки из датасета вычищали, часть просочилась, отсюда вкус чатжпт в аниме

Планы
• Ближайшее, аниме-версия: аниме-данных было мало, результатом недовольны
• Edit-модель обсуждают, но для i2i нужны парные датасеты, малой команде тяжело
• XL на 10-12 млрд думают
• Пайплайн подписей на Gemma 4 и prompt enhancer обещают
• Автор советует Base вместо SFT: у SFT бандинг и специфичный стиль

Реддит уже банил пост, но сейчас он открыт, вопросы все еще можно задавать

#mossimage #ama

MAX

EdenLive

Генеративная отрисовка видео в реальном времени

VAST выложили модель которая превращает черновой прокси-стрим в готовое видео

Что на входе
• Поток прокси из 2D или 3D сцены, игрового движка или записи
• Первый кадр и текстовый промпт
• Внешний код держит состояние сцены и взаимодействие, модель отвечает за картинку

Как устроено
• Управление идет через пост-обученный кодировщик DINOv3: признаки кадра прокси подаются в диффузионный трансформер
• Две ветки: 14B на Wan2.1 I2V для 480p и 5B на Wan2.2 для 720p, у каждой двунаправленный и потоковый режим
• Поток собирается чанками по 4 шага, декодер TAEHV дает 24 FPS и выше
• Есть демо на несколько минут, 5B в 720p работает на одной карте

Что с весами
• Около 210 ГБ ‼️, все компоненты в одной папке
• Блок на FLUX.2 klein нужен только для первого кадра в реальном времени, лицензия некоммерческая

huggingface.co/VAST-AI/EdenLive
github.com/VAST-AI-Research/EdenLive

#rendering #v2v #realtime

Опубликован код Gaussian Light Transport - глобальное освещение как смесь 13-мерных гауссиан

github.com/StokastX/gaussian-light-transport

#gaussian #GI #rendering
———

В AReA прикрутили поддержку #ideogram4 (был только FLUX.1-Krea-dev)

github.com/KooroshRH/AReA

#4k #t2i

MAX

VideoMaMa++

NeurIPS 2026, KAIST. Модель делает альфа-мат из маски и видео, включая волосы и тонкие края

Предыдущая версия

• Диффузионный бэкбон тянет только 6-24 кадра, поэтому видео режется на чанки
• Каждый чанк уточняет маску сам по себе, на стыках скачут края и прозрачность

Как решают
• RGB и маска идут отдельными потоками токенов, сводит их полное пространственно-временное внимание
• Две обучаемые метки на кадр: preserve держит готовый мат как образец, refine превращает грубую маску в точную
• Скользящее окно передает мат из прошлого чанка в следующий, глобальный якорь не дает ошибке накапливаться
• Дообучения под длинные ролики не нужно

• Лучший результат по всем метрикам на трех бенчмарках

github.com/cvlab-kaist/VideoMaMa-PlusPlus - ждем

#segmentation #mask2matte #video2matte

MAX

UniForge3D Windows 8 GB VRAM

Форк UniForge3D запускает модель на 3070 Ti на 8 ГБ, 64 ГБ оперативки, без conda и nvcc.

Что изменили
• Готовые wheel-пакеты вместо сборки: CuMesh, FlexGEMM, o_voxel, nvdiffrast и flash-attn лежат под cp311 win_amd64
• Поэтапная загрузка весов: пик денойзера 6,3 ГБ вместо 12, первый шаг через 21 секунду вместо 102
• Конвертация в fp16: диск с 41 до 19 ГБ, проверка тензор за тензором, результат бит в бит
• Скачивание с докачкой по частям
• Веб-интерфейс: 2-4 фото, просмотр и скачивание glb в браузере

Что на выходе
• prediction.glb с запеченными #PBR-текстурами
• Отдельно basecolor.png и metallic_roughness.png на 2048
• Один кейс около 240 секунд

• 16 ГБ оперативки не хватит: даже с флагом low-ram пик загрузки одной группы 23 ГБ

#lowvram #scenereconstruction #imageto3d

MAX

FLUX 3 Max

Ускоренный FLUX 3 Video на fal

Ускорение сразу на трех уровнях: дообучение с reinforcement learning, оптимизация инференса, переделка серверного движка. Дообучение подняло движение, детализацию и следование промпту

• #t2v #i2v , ключевые кадры в видео
• Ролики до 20 секунд
• 720p с апскейлом до 1080p
• Генерация звука
• Все через API fal

• 10-секундный ролик за 10,95 секунды, у оригинала 126,44, ускорение в 11,5 раза
• Seedance 2.5 обходит в 22 раза при том же Elo
• 0,0425 доллара за секунду 720p, скидка 75% до 7 ноября

MAX

OmniPoser

мокап без маркеров. Но нужны сенсоры или уже извлеченные ключевые точки, модель достраивает недостающие суставы. Пригодится для VR, аватаров, робототехники и анимации.

Раньше под каждый набор сенсоров учили свою модель, здесь одна архитектура на все

• На вход любые комбинации датчиков, включая верх тела, пять точек VR или только голову
• Понимает, каких суставов нет, и достраивает их по смыслу, а не нулями
• Отдает готовый SMPL: поза, форма, контакт стоп с полом, глобальная траектория без дрейфа
• Один шаг генерации, без перебора вариантов

• Больше 700 кадров в секунду
• Реальное время на одной видеокарте
• Точность на уровне специалистов: 32,1 мм на AMASS против 34,8 у RoHM, на Nymeria 21,1 против 59,3

github.com/JamesBridgewater51/omniposer

#mocap

MAX