GAE от Tencent ARC и HKUST

Геометрический автоэнкодер для генерации миров. Сжимает 3072-канальные геометрические признаки в компактные 128 каналов, из которых декодируются RGB, глубина, траектории камеры и облака точек. Не достраивает геометрию постфактум, а кладет еt внутрь генерируемого латента

• из одного латента - картинка, глубина, позы камеры и 3D одновременно
• управляемый flow matching - текст, референс-кадр и метрические лучи камеры
• обзорные сцены с перемещением камеры, indoor и outdoor
• text-to-image с генерацией 3D-геометрии по одному промпту

• 1B параметров

Латентное пространство работает как общий интерфейс между восприятием и генерацией - один латент, четыре связанных выхода

Гитхаб
HF

#world #vae

MAX

ComfyUI-InpaintCanvas

Нода, которая засовывает весь цикл инпейнтинга в один редактор: маска, генерация, сшивание и сравнение в одном месте. Кроп и маску отдаете в любую вашу цепочку - Flux, Klein, Kontext, Qwen Image Edit, SDXL - результат возвращается слоем поверх картинки

• слои с прозрачностью, блендами, локом, перетаскиванием
• color match - сгенерированный участок подгоняется под фон, не выглядит наклейкой
• выделение: прямоугольник, лассо, magic wand, быстрая маска, feather, SAM3 по тексту, RMBG
• ретушь - штамп, healing brush, размытие, кисть
• фильтры - кривые, уровни, цветовой баланс, HSL, зерно с пресетами, LUT
• текстовые слои с открытыми шрифтами, правка на канвасе

• сравнение двух результатов с разделителем, before/after по клавише
• экспорт PNG, JPG, WebP, PSD и OpenRaster со всеми слоями
• helper-модели выгружаются из VRAM перед генерацией

#inpainting #comfyui

MAX

Space Bunny - загадочная модель в OpenCode

OpenCode открыл бесплатный доступ к новой stealth-модели Space Bunny на неделю. Кто разработчик - пока неизвестно

• контекст до 1 млн токенов
• мультимодальный ввод
• Zero Data Retention - запросы не сохраняются после обработки
• бесплатно на 7 дней

Архитектура, размер и реальные возможности Space Bunny пока не раскрыты. Появилась внезапно на неделю без анонсов

Спасибо @Endorpheen

#giveaway #news #coding

MAX

zvec-grep (zg) от Alibaba Qwen

Локальный слой поиска для человека и агентов. Объединяет точное совпадение текста, лексический поиск и векторный поиск в одном CLI, подключается через MCP к кодинг-агентам

• гибридный поиск - вектор + BM25 + ripgrep, ранжирование через Reciprocal Rank Fusion
• поиск по смыслу, проверка точным текстом и regex
• структура-ориентированность - индексирует символы кода, заголовки и иерархию документов вместо сырых чанков
• результат с привязкой к файлу и строке - меньше вызовов и токенов у агента

• 100% локально - эмбеддинги, индексы и поиск на устройстве, GPU не нужен
• работает из терминала: zg query
• подключается к Claude Code, Codex, OpenCode, Cursor и другим через MCP
• Linux, macOS, Windows

Бенчмарки на Claude Code и Codex: ответы точнее и меньше расход токенов. Индексы лежат в .zvec-grep/ под корнем проекта, данные не покидают машину без разрешения.

#search

MAX

FLUX 3 Action от Black Forest Labs

Мировая модель действий на открытых весах, 7B параметров. Принимает кадры с камеры, состояние робота и текстовую инструкцию - возвращает следующую порцию действий, денойзенную вместе с будущими кадрами видео

• предсказание действий и видеокадров в одном проходе
• готовая база для адаптации под новых роботов, симуляторы и игры
• текстовый энкодер - немодифицированный Qwen3-VL-4B-Instruct
• готовые политики уже есть для SO-101 и DROID

Важно: это компонент адаптации, а не готовая робот-policy. Для новой морфологии нужен свой action head. Модель выдает целевые значения суставов - ограничения по скорости, силе и рабочей зоне приложение задает само

HF

#embodied

MAX

Gemini 3.8 TTS

Две модели синтеза речи. Flash TTS - для творческой режиссуры и дизайна персонажей, Flash-Lite - для больших объемов с упором на цену

• голос генерируется по текстовому описанию - характер, акцент, тембр
• больше 100 языков и диалектов
• 2000+ готовых голосов с региональными вариантами
• клонирование по 30-секундному сэмплу с проверкой согласия и SynthID
• режиссура по строкам - ремарки в сценарии обычным языком
• нативный диалог двух спикеров, смех, вздохи, перебивания
• голос стабилен на часах аудио

Клонирование недоступно в ЕС, Британии, Швейцарии, Индии, Иллинойсе и Техасе. Ремикс голоса - тембр, высота, темп, акцент - обещают вскоре

AI Studio

#tts #voicecloning #voicedesign #dialog

MAX

Comfy Router

Один API для моделей - картинки, видео, 3D и аудио. Интегрируешься один раз, провайдера выбираешь под каждую задачу: где дешевле, где скорость, где лимитов нет

• явный роутинг - назвал провайдера, он и работает, без тихого фолбэка
• каждый джоб возвращает, кто его выполнил - для логов и биллинга
• async submit() - сразу получаешь ID, очередь сама ретраит 429
• батчи на сотни задач, результаты тянешь по готовности
• смена провайдера - одна строка, без нового SDK

• Comfy, Runware, WaveSpeed, Fal, Higgsfield на старте
• Seedance 2.5, MiniMax H3, Nano Banana Pro, GPT Image 2, Kling, BFL
• без подписки - обычные комфи-кредиты
• 24 часа хранения входов и выходов

По форме - OpenRouter для генеративных медиа. Модель на нескольких провайдерах переключается параметром

Собственно роутер

#router #comfyui

MAX

Ovis-Embedding

Универсальные эмбеддинг-модели для всего сразу: текст, изображения, документы, видео, аудио и смешанные входы в одном пространстве представлений

• Omni-Embedding-3B - база на Qwen2.5-Omni, any-to-any поиск одним энкодером
• VL-Embedding 2B и 9B - для текста и изображений, документов
• любые задачи ретрива: поиск, RAG, рекомендации, ретрив инструментов для агентов
• сжатие эмбеддингов до 128 измерений для ограниченных деплоев

• эмбеддинг - хидден-стейт последнего токена, без проекционных голов
• выход 2048 измерений, сжимается до 1024/512/256/128
• Apache 2.0

На бенчмарке MMEB-v3 (190 датасетов) обходит сильнейший байзлайн на 5.19 балла во всех модальностях


Гитхаб
HF

#multimodal #embedding

MAX

Confucius4

Пара моделей обработки речи для реального времени: потоковая ASR и синхронный перевод китайский-английский

R2T2 - стриминговая #ASR:
• вывод только в режиме append - уже выданный текст не переписывается никогда
• точность близка к оффлайн-распознаванию
• чанки от 80 мс до 2 секунд под нужный компромисс
• 2B на базе Qwen3-ASR, лицензия NetEase

T3PO - китайско-английский синхронный перевод:
• сам решает, когда ждать, а когда переводить
• не правит выданное - подходит для немедленной обработки
• 14B, Apache 2.0
• пара к R2T2 для речи

Для субтитров в реальном времени, живых капшенов и агентных пайплайнов, где текст обрабатывается по мере появления

huggingface.co/netease-youdao/Confucius4-R2T2
github.com/netease-youdao/Confucius4-R2T2
huggingface.co/spaces/netease-youdao/confucius4-r2t2-demo
huggingface.co/netease-youdao/Confucius4-T3PO

#realtime

MAX

Держите всяких весов

huggingface.co/prism-ml/Ternary-Bonsai-2-27B-gguf - Bonsai 2 27B с тернарными весами: ~5.95GB

huggingface.co/Altworld/Hemmingway-1 - Hemmingway-1: 27B под естественное человеческое общение. Лучше крупных моделей на бытовых сообщениях, эмоциональном интеллекте и сторителлинге

huggingface.co/dealignai/GLM-5.3-Flash-CYBERSECURITY-W4A16 - абляция GLM-5.3-Flash для кибербезопасности: 100% compliance, нужен --reasoning-parser glm45, MTP и тулы

huggingface.co/DavidAU/Qwen3.8-27B-TWIN-TURBO-Fable-Cold-Fusion-709-ULTRA-HERETIC-Uncensored-NM-DAU-NEO-MTP-GGUF - Qwen3.8 27B Twin-Turbo: −95% thinking-токенов, 5 переключаемых режимов

huggingface.co/amazon/Mamba2-primed-HQwen3-8B-Instruct - гибрид Attention + Mamba-2 от Amazon: 2x быстрее на 128K контексте при качестве Qwen3-8B

huggingface.co/ISTA-DASLab/Qwen3.8-Flash-Next-GSQ-RCO-GGUF - квантизации GSQ-RCO для Flash-Next: Q2_0/IQ2_XS/IQ3_XXS, 2.4-3.0 bpw, mmproj 0.91GB

huggingface.co/incoai/Qwen3.8-27B-DFlash2 - DFlash 2: черновик-модель 2B для 27B, до 3.43x ускорения, 8 токенов за шаг

huggingface.co/DavidAU/Qwen3.5-9B-Cold-Fusion-GAIN-v1.0-Uncensored-Heretic-NEO-MAX-Imatrix-GGUF - Qwen3.5 9B методом GAIN тянет на 27B в 4-bit/8-bit. Без цензуры, лучше реазонинг

#gguf #weights #security #uncensored #dflash

MAX

Hy Translation

Мобильное приложение от Tencent с оффлайн-переводом на Hy-MT2

• 33 языка
• 5 китайских миноритарных языков и диалектов
• перевод голосом и по фото
• полный оффлайн - без соединения с сетью
• уже в 12 странах, в российском нет

#ios #mobile #translation

MAX

Samsone от Samsung Labs

Три небольших аудиоязыковых модели для смартфонов: Samsone-99M, 134M и 356M. Принимают один или несколько аудиофрагментов с текстовым запросом, отвечают текстом. Презентация на Interspeech 2026 в Сиднее

• описывают звук, отвечают на вопросы о записи, сравнивают клипы
• понимают речь, музыку и звуки окружения
• несколько аудиофрагментов в любом месте запроса
• ответ только на английском строчными буквами - экономия на параметрах

• аудиоэнкодер Whisper-Tiny 9M + SmolLM2 на 135 или 360 млн
• клип усредняется до 50 аудиотокенов, разделитель SEP
• на Galaxy S25 Ultra: 125 токенов/сек у 99M, 87 у 134M, 39 у 356M
• обработка аудио 0.7-1.1 секунды

Авторы честно предупреждают: после дообучения модели теряют общие языковые навыки - это точечный инструмент, а не собеседник. Веса, код обучения и Android-приложение под Android 12+ открыты

Гитхаб
веса там же в релизах

#alm #mobile

MAX

Dramagic

ByteDance запустила платформу для производства коротких сериалов

Платформа ведет проект от разбора сценария и настройки персонажей и локаций до раскадровки и превью видео

• облик героев и окружения сохраняется между сценами
• командная работа над проектом
• полный пайплайн в одном месте: сценарий, персонажи, локации, раскадровка, превью

Тариф Basic - 600 долларов в год за 60 тысяч баллов, это примерно 44 минуты видео в 720p, то есть ни о чем

Доступ открыт по запросу

#directing #text2movie

MAX

Compose

Вайб-видеоредактор от Morphic Studio, монтаж сводится к разговору

От идеи и раскадровки до готового ролика

• агент выполняет правки по текстовым командам
• работает вместе с Canvas и Copilot в одном проекте
• веб-воркспейс без установки софта

#videoediting #agent #assistant

MAX

Skild AI учит гуманоидов футболу
Модель S1 дообучается в симуляторе без человеческих демонстраций. Соперники - предыдущие версии самого агента

#robot

MAX