Programmable World Model (Alaya Lab)

Программируемая модель мира

Состояние мира существует отдельно от картинки как код, а не как тень в истории кадров. Раньше видеомодель сама хранила все неявно: объект ушел из кадра - забыла, правила не выражались. Теперь мир - это явные данные, а видео просто их рисует.

- Агент пишет правила мира кодом: где объекты, как двигаются, какие события происходят
- Движок состояний следит за сущностями даже за кадром — повернул камеру, а они на месте
- Детерминированный компилятор превращает состояние в управляющие сигналы для видеогенератора — модель не «вспоминает» мир, а рендерит его
- Мир описывается по одному референсу и тексту — VLM-агент собирает всю спецификацию

Результат: объекты не забываются, правила исполняются точно, 897 кадров без распада, разные миры на одном движке

Прошли по кругу и вернулись к 3D моделированию, но с лишними шагами

Гитхаб ждем

#world

SuperSplat Editor 3.0

Полная перепись редактора гауссиан на WebGPU. Крупнейший релиз за год: главное - сцены больше, меньше RAM

- Рендер полностью на GPU
- Stochastic Alpha: при работе сплаты рендерятся без сортировки, после остановки честный сортированный кадр
- Spherical Brush: кисть следует за поверхностью, выбор по глубине и границам
- Цветокоррекция выделения: tint, температура, насыщенность, яркость, прозрачность

- новый формат проектов

Тут все бесплатно и локально в браузере и это хорошо.
На днях узнал что PostShot больше не дает бесплатный экспорт сцен. А LichtFeld бесплатен только если вы сами скомпилируете исходники. Все меньше инструментов где бесплатно можно нарулить сцену на материалах которые под NDA

#gaussian #webgpu

Foundation-1

Семейство моделей для генерации семплов и инструментов из текста, заточенное под музыкантов. Главная находка — разделение инструмента и тембра

- Лупы — BPM, тональность, структура
- Одношоты — отдельные ноты для сэмплеров
- Кейбеды — полноценные инструменты, генерирующиеся по всему регистру с сохранением тембра
- Трехслойные инструменты: три отдельных промпта → три независимых слоя → экспорт в DecentSampler/SFZ

- Слои: инструмент → тембр → FX → нотная структура → тональность/BPM
Foundation-1 (лупы)
Foundation-1.2 Samples
Foundation-1.2 Keybeds (инструменты)

- 7 ГБ VRAM, ~7-8 секунд на семпл
- Свой Gradio-интерфейс (RC Stable Audio Tools — форк)

видео
Демо
RC Stable Audio Tools

#musicediting

#humor

VK | MAX

Китайцы подсуетились и продают на Alibaba модифицированную 5090 с 96 ГБ VRAM за $3888 — 3x больше стока (32 ГБ), и на 35% дешевле обычной 5090 в США

- У GB202 (чип 5090) возможно 96 ГБ — RTX Pro 6000 использует тот же чип с 32 чипами по 3 ГБ GDDR7. Тут явно своя печатная плата, чипы с обеих сторон
- Нужна модифицированная прошивка — по слухам, утекшая версия для 5090 появилась еще несколько месяцев назад
- Suqiao — OEM/ODM с 10+ лет опыта, не гаражная мастерская

Красные флаги:
- В описании указана GDDR6X 14 Гбит/с — а этого не может быть: Micron выпускал GDDR6X только по 2 ГБ и со скоростью 19-24 Гбит/с. 14 Гбит/с — это GDDR6. Такая ошибка ставит под сомнение и объём, и реальность карты
- Даже если карта реальна, это хрупкий DIY-продукт: кастомная плата, мод-прошивка, никакой гарантии

Спасибо @DracoLockhard

#gpu #hardware