Editable Visual Design

Скилл для Codex который делает дизайн иначе: не одну плоскую картинку, а редактируемый артефакт. VLM придумывает, модель-изображений рисует отдельные ассеты, кодинг-агент собирает все в HTML с настоящим текстом и слоями

- Работает через два Codex-скилла: editable-design (постеры и инфографика) и html-to-pptx (конвертация в редактируемый PowerPoint)
- Готовый результат: HTML + PNG + визуальный редактор + разборка слоёв
- Лучше всего с GPT-5.6 на high reasoning

#skill #design

VK | MAX

Ling-3.0-flash-Fin

Финансовая модель с открытыми весами и бенчмарк, который проверяет не ответ, а его источник. 124B MoE, 5.1B активных, 256K контекста — обучена на реальных банковских задачах, а не на абстрактных тестах

- Финансовое дообучение подняло AA Intelligence Index с 38 до 41 — редкий случай, когда предметка улучшает базовые метрики
- Выполняет реальные задачи в приватном контуре: поиск источников, анализ отчётности, оценка, сложные таблицы, редактируемые отчеты

#finance

VK | MAX

Using GPT-6 Astra

официальный гайд по промптингу Using GPT-6 Astra

- Чётко задавать цель и критерии результата — вместо «сделай хорошо» указывать проверяемые условия (формат, ограничения, примеры, тесты).
- Прописывать границы автономии — что модель может делать сама, а где нужно спрашивать.
- Учитывать осторожность модели: по умолчанию она склонна задавать вопросы; если нужна инициативность, добавьте в системный промпт «bias towards action».
- Избегать стоп‑слов и клише (например, «delve into», «leverage», «it’s worth noting»).
- Ставить статичные инструкции в начало, динамические данные — в конец (для лучшего кэширования).
- Выбирать уровень reasoning.effort осознанно: low для простых задач, high — для сложных архитектурных.
- Для агентных сценариев явно описывать рабочий процесс и этапы проверки.

#prompting #guide

VK | MAX

Накопилось по #minimaxH3 - часть 18

github.com/StephanHeijl/storyboard-tools - раскадровка: кадры, правки, ассеты, попытки рендера и утверждения. Для людей и агентов #storyboard

github.com/lovemachine100/ComfyUI-H3-OutpaintPrep - подготовка видео к аутпейнту: паддинг кадров и маски шума в формате H3 #outpainting

huggingface.co/rootonchair/MiniMax-H3-nunchaku-lite-nvfp4 - MiniMax H3 в виде #Nunchaku Lite nvfp4

huggingface.co/speach1sdef178/MiniMax-H3-Semantic-Bridge - Semantic Bridge: адаптер 11Mb учит H3 понимать прозрачность, отражения, зеркала и руки. Для #FL2VA

github.com/Heroesjouney/AIMovieStudiov2 - интерфейс для создания фильмов через AI. API для облачных моделей или ComfyUI локально. UI под кинопроизводство

reddit.com/r/comfyui/comments/1w7e7sd/minimax_h3_combining_ref2va_quality_fl2va_audio - #REF2VA дает качество видео, #FL2VA — чистый звук без эха. Сборка: LightX2V 8-step + H3 AudioRefine

VK | MAX

OmniCam

Камера-контроль в ComfyUI

Как мини-Blender внутри ноды. Три инструмента: извлечь камеру из видео, расставить кадры в 3D-вьюпорте, скомпилировать движение под нужную модель

#comfyui #cameracontrol

VK | MAX

NeoMME

Поиск по PDF-документам без OCR. Страницы обрабатываются как изображения, поиск учитывает верстку, таблицы, графики и типографику

- Ретривер для RAG: ищет нужные страницы PDF по запросу, а не генерирует ответ
- Понимает визуальную структуру — таблицы, графики, колонки, дизайн страницы. OCR выбросил бы всё это
- Загрузка документа + запрос → модель возвращает релевантные страницы
- 2 размера: 260M и 800M — под разное железо

Демо

#vlm #ocr

VK | MAX

FaceFusion Mobile

Ишь чего сделали - порт FaceFusion на #Android

Замена лица в реальном времени, с фронталки и целиком на телефоне. Без сервера, без аккаунта, без загрузок

- На Snapdragon — через NPU Hexagon: 10 сек видео в 720p ≈ 13 сек, с Fast — ≈ 11 сек

- Android 12+, 64-bit ARM; APK 66 MB, модели 420 MB

#mobile #faceswap #reealtime

VK | MAX

Motion-Omni

Одна модель генерирует и речь и движения тела по диалогу. Вместо того чтобы запускать TTS и анимацию по отдельности и потом синхронизировать все делается из одних и тех же латентных состояний

- 5.4x быстрее каскадных решений, не надо ждать пока каждый компонент отработает по очереди
- Синхронизация зашита в архитектуру, а не доклеивается постфактум
- Подходит для диалоговых аватаров, виртуальных персонажей, anything, где персонаж говорит и движется одновременно

На видео сравнение с MambaTalk

Гитхаб

#tts #animation

VK | MAX

ночное

#humor

VK | MAX

Накопилось по #minimaxH3 - часть 19

github.com/cicalooo/ComfyUI-H3-PowerLoraStack - стек-лоадер нескольких лор для H3, в духе Power Lora Loader. Заточен под три проблемы, ломающие лоры H3

github.com/Saganaki22/ComfyUI-Viggle-Animate-H3 - ноды Viggle-Animate

github.com/oodate-lab/comfyui-h3-anime-batch-runner - батч-контроллер под Windows: ИИ генерит промпты из сюжета и 1–9 референсов, гонит клипы в #ComfyUI

huggingface.co/HardGravy2/Minimax_H3_FLF_HardGravy_6_Step_Turbo_Merge - 6-шаговый флэт-мерж скоростных лор, плюс вариант от JonXL для фотореализма

nvlabs.github.io/Sana/Sol-Engine/Sol-H3 - ускорение от NVIDIA: 4 шага против 50 у базы, ускорение до 15.5x #optimization

github.com/PullMyBoots/ComfyUI-H3-FaceRefine-Accelerated - исправление мелких лиц для групповых сцен

huggingface.co/spaces/malcolmrey/browser - #RefMods: вместо лор - референсы, запеченные в latent как safetensors. Библиотека, #workflow

The Attention Triangle

Исследование о том почему в аудио-видео моделях звук прилипает не к тому объекту. Пират молчит, а говорит попугай — модель все равно заставляет говорить пирата. Авторы разобрали механизм утечки и научились его чинить

- Нашли треугольник внимания: три связи между текстом, аудио и видео. Главный источник утечки — двунаправленная связь аудио ↔️ видео
- Интервенция на инференсе: управляют треугольником внимания, чтобы звук прикреплялся к правильному источнику — без переобучения

Проверено на LTX-2. Получили практически бесплатный обходной фикс для уже обученных моделей

Код ждем

#research #attention #t2v #i2v

VK | MAX

EVIE

Открытый визуальный ретривер документов от Tencent.

Самый точный на Hugging Face. Ищет нужные страницы PDF по смыслу и верстке, не полагаясь на #OCR
Получается конкурент NeoMME

- Понимает страницу целиком: текст, таблицы, графики, типографику — визуальный слой участвует в поиске
- Multi-vector late-interaction: сравнивает запрос с фрагментами документа, а не только с одним эмбеддингом — точнее семантика

- Apache-совместимая открытая лицензия
- Две версии: EVIE-8B и EVIE-4.5B

Гитхаб

#vlm

VK | MAX

MiniCPM5-2B

Пока все гонятся за гигантами, OpenBMB выпустила компактную dense-модель на 2B, #SOTA в своем классе и обходит модели вдвое больше. Для мобилок, локального запуска и агентов на слабом железе

- 2B dense — влезает на ноутбук, телефон и edge
- SOTA в классе 2B: средний балл 53.9 — выше, чем у Qwen3.5-4B и granite-4.2-3B
- Кодинг, математика, длинный контекст, инструменты и агентские задачи - сильнейшие стороны
- Контекст 131K нативно
- Apache 2.0

Гитхаб
Демо

#mobile #compact #agent

VK | MAX

huggingface.co/nvidia/Qwen3.8-Flash-Next-NVFP4 - NVIDIA NVFP4 квантизация Qwen3.8-Flash-Next: ~2.7x меньше BF16 на Blackwell

huggingface.co/Cyronius/Qwen3.8-Flash-Next-131B-A6B-GGUF - GGUF с обрезанной n-gram таблицей (2/16 голов) — 64.8GB вместо 90GB

huggingface.co/dealignai/Qwen3.8-Flash-Next-UNCENSORED-FP8 - обесцензуренный Qwen3.8-Flash-Next: отказ убран, MTP и vision сохранены. 94% compliance на HarmBench

huggingface.co/Jackrong/Qwopus3.8-27B-Flash-GGUF - файнтюн Qwen3.8-27B для скорости: +12.8% tok/s, MTP принятие 80.7%, меньше разгоняющегося мышления

huggingface.co/XHToken/Spark-X2.5-4B-GGUF - Spark-X2.5 от iFlytek: 4B, гибридное внимание, до 1M контекста, 200+ языков. BF16 GGUF

#gguf #multimodal #agent #nvfp4 #uncensored

VK | MAX