EmbeddingGemma 2
Открытая мультимодальная модель для эмбеддингов от Google
Обходит специализированные модели вдвое больше себя
• Единое эмбеддинг-пространство для текста, кода, изображений, видео и аудио
• Поиск видеоклипа по голосовой заметке, поиск по аудиозаписям
• Работает через transformers, sentence-transformers, llama.cpp, Ollama, vLLM, MLX
• 740М, модульная архитектура
• Text-only — от ~270M, опциональные энкодеры: vision 170M, audio 300M
• Контекст 8K токенов: до 5.5 минут аудио, 29 картинок, 58 видео-кадров
• Сжатие векторов 768 → 128 (MRL) — до 6× экономии хранилища
• На Pixel 11 Pro: ~191 МБ RAM текстовые веса, ~567 МБ полная модель
huggingface.co/google/embeddinggemma-2
huggingface.co/unsloth/embeddinggemma-2-GGUF
#embedding #multimodal #gguf
MAX
Открытая мультимодальная модель для эмбеддингов от Google
Обходит специализированные модели вдвое больше себя
• Единое эмбеддинг-пространство для текста, кода, изображений, видео и аудио
• Поиск видеоклипа по голосовой заметке, поиск по аудиозаписям
• Работает через transformers, sentence-transformers, llama.cpp, Ollama, vLLM, MLX
• 740М, модульная архитектура
• Text-only — от ~270M, опциональные энкодеры: vision 170M, audio 300M
• Контекст 8K токенов: до 5.5 минут аудио, 29 картинок, 58 видео-кадров
• Сжатие векторов 768 → 128 (MRL) — до 6× экономии хранилища
• На Pixel 11 Pro: ~191 МБ RAM текстовые веса, ~567 МБ полная модель
huggingface.co/google/embeddinggemma-2
huggingface.co/unsloth/embeddinggemma-2-GGUF
#embedding #multimodal #gguf
MAX
🔥7👍3
Kandinsky 6.0 Image Pro
Картикогенератор тоже выпустиили
• Удаление объектов и надписей
• Замена объектов с сохранением стиля
• Стилизация портретов и реставрация
• Колоризация старых фото
• Дизайн интерьеров по схеме помещения
• Генерация с нуля по промпту
• Архитектура MoE — ускорение более чем на 40% против предшественника
• RAG: при запросе подтягивает релевантные фото из базы знаний в контекст
• По внутренним сравнениям — на уровне Flux 2 Max и выше GPT Image 1.5 - это конечно заявка на победу, сильная претензия
Попробовать (как и видео) можно в экосистеме GigaChat: Telegram, giga.chat, Android
#t2i #imageediting
MAX
Картикогенератор тоже выпустиили
• Удаление объектов и надписей
• Замена объектов с сохранением стиля
• Стилизация портретов и реставрация
• Колоризация старых фото
• Дизайн интерьеров по схеме помещения
• Генерация с нуля по промпту
• Архитектура MoE — ускорение более чем на 40% против предшественника
• RAG: при запросе подтягивает релевантные фото из базы знаний в контекст
• По внутренним сравнениям — на уровне Flux 2 Max и выше GPT Image 1.5 - это конечно заявка на победу, сильная претензия
Попробовать (как и видео) можно в экосистеме GigaChat: Telegram, giga.chat, Android
#t2i #imageediting
MAX
🔥9👍6👎5😁3❤2
MAI-Transcribe-2-Streaming и MAI-Voice-2.1
Microsoft обновил речевые модели: первый потоковый транскрибатор и два синтезатора речи в Microsoft Foundry.
• Стриминговая транскрибация с черновыми расшифровками чуть больше чем за 100 мс
• Непрерывное автоопределение языка
• Один виртуальный голос на всех языках с родным произношением, без акцента
• Клонирование голоса по нескольким секундам образца
• Диаризация говорящих
• Распознавание: 60 языков
• Синтез: 23 языка, 26 локалей
• Час транскрибации — $0.54 по акции до конца года
• Миллион знаков синтеза: $22 у основной, $15 у Flash
Доступны в Microsoft Foundry, MAI Playground, Azure Voice Live, на OpenRouter и Vercel. На Artificial Analysis потоковый транскрибатор стартовал с первого места.
#asr #tts #streaming #diarize
MAX
Microsoft обновил речевые модели: первый потоковый транскрибатор и два синтезатора речи в Microsoft Foundry.
• Стриминговая транскрибация с черновыми расшифровками чуть больше чем за 100 мс
• Непрерывное автоопределение языка
• Один виртуальный голос на всех языках с родным произношением, без акцента
• Клонирование голоса по нескольким секундам образца
• Диаризация говорящих
• Распознавание: 60 языков
• Синтез: 23 языка, 26 локалей
• Час транскрибации — $0.54 по акции до конца года
• Миллион знаков синтеза: $22 у основной, $15 у Flash
Доступны в Microsoft Foundry, MAI Playground, Azure Voice Live, на OpenRouter и Vercel. На Artificial Analysis потоковый транскрибатор стартовал с первого места.
#asr #tts #streaming #diarize
MAX
👍2
VNCCS (Visual Novel Character Creation Suite)
Полный пайплайн для создания спрайтов персонажей в #ComfyUI. Главная фишка — консистентная внешность персонажа во всех изображениях. Весь цикл работы с персонажем: создание, организация, эмоции, одежда, позы.
- Шаг 1: Character Creator — создание персонажа по описанию или через CHARACTER WIZARD (описал — система сама заполняет настройки). Модели: Illustrious, Anima, #QI21
- Шаг 1.1: Character Cloner — клонирование готового персонажа из любой картинки (скриншот, скачанный арт, своя отрисовка)
- Шаг 2: Character Clothes — наборы одежды
- Шаг 3: Character Emotions — эмоции на спрайты
Что нового в VNCCS 3.0
• Полностью новый 3.0 workflow
• Мастер миграции
• Control Center — загрузка моделей из интерфейса (QI21, #Klein за 4 шага, #MiniMaxH3 для поз и одежды)
• GENERATE PREVIEW
• Style library
• Pose Studio — контроль поз
• SAM3 Details Recovery
• Пресеты рас
#personalization
Полный пайплайн для создания спрайтов персонажей в #ComfyUI. Главная фишка — консистентная внешность персонажа во всех изображениях. Весь цикл работы с персонажем: создание, организация, эмоции, одежда, позы.
- Шаг 1: Character Creator — создание персонажа по описанию или через CHARACTER WIZARD (описал — система сама заполняет настройки). Модели: Illustrious, Anima, #QI21
- Шаг 1.1: Character Cloner — клонирование готового персонажа из любой картинки (скриншот, скачанный арт, своя отрисовка)
- Шаг 2: Character Clothes — наборы одежды
- Шаг 3: Character Emotions — эмоции на спрайты
Что нового в VNCCS 3.0
• Полностью новый 3.0 workflow
• Мастер миграции
• Control Center — загрузка моделей из интерфейса (QI21, #Klein за 4 шага, #MiniMaxH3 для поз и одежды)
• GENERATE PREVIEW
• Style library
• Pose Studio — контроль поз
• SAM3 Details Recovery
• Пресеты рас
#personalization
❤15👍4
#QI21
#LoRA
huggingface.co/ML-Intern-lab/Qwen-Image-2.1-viewpoint-orbit-LoRA - орбита камеры вокруг объекта
huggingface.co/Alissonerdx/BFS-Best-Face-Swap/blob/main/bfs_body_swap_v1.0_qwen_2.1.safetensors - замена тела/персоны в один проход
modelscope.ai/models/DiffSynth-Studio/Qwen-Image-2.1-LayerExtract : выделяет объект по промпту и выносит на прозрачный фон
modelscope.ai/models/DiffSynth-Studio/Qwen-Image-2.1-LayerRemove - LayerRemove: убирает объект с картинки и достраивает фон за ним. Оба — компактные LoRA, хот-свапаются в одном пайплайне
#workflow
github.com/leeblaab/ComfyUI-Workflows/blob/main/LEEBLAAB-QwenImage21-Character-SHEET.json - #charactersheet без локальных LLM: одна картинка → LLM-чат (инструкция в репо) → промпт → лист персонажа
huggingface.co/zuanfilm/3D_Model_Multiview_Qwen_i21 - новый ракурс через 3D: TripoSplat делает сплэт из одной картинки (SPZ+GLB+орбита), выбираешь угол в ComfyUI, Qwen 2.1 реконструирует вид. Без Blender. Можно миксовать наряды и объекты с разных картинок
github.com/scraed/LanPaint - #LanPaint теперь и для Qwen 2.1: #inpainting с правкой альфа-канала (прозрачность меняет форму), эдит-модель работает под маской
github.com/capitan01R/ComfyUI-qwen_img_2_1_enhancer - две ноды внимания: Reference Strength (вес конкретного референса, мульти-реф) и Phrase Weights (вес фразы в промпте: (теплый свет:1.4)). Инспекция совпадений токенов
civitai.red/models/2432921 - QR Code Monster: I2I-эдит, «трансформируй картинку в сцену, сохранив контуры» — QR-коды и иллюзии
huggingface.co/RunningHubAI/rh-qwen-image-2.1v2.0-lora - интеграция объекта в картинку
———
huggingface.co/Viggle/Qwen-Image-2.1-viggle-turbo/blob/main/Qwen-Image-2.1-viggle-turbo-v0.2.1-6step-int8_convrot.safetensors - связка для #charactersheet : viggle-turbo 6-step int8 (7.26GB) + texture-fix VAE (676MB)
Воркфлоу тут github.com/RiverSide71/Qwen-Image-2.1-viggle-turbo
#NSFW
качественный nsfw от @GrafSima civitai.red/models/2973335/qwen-image-21-super-duper-stable-nsfw-workflow
edit режим civitai.red/models/2975820/qwen-image-21-edit-super-duper-stable-nsfw-workflow?modelVersionId=3372758
#LoRA
huggingface.co/ML-Intern-lab/Qwen-Image-2.1-viewpoint-orbit-LoRA - орбита камеры вокруг объекта
huggingface.co/Alissonerdx/BFS-Best-Face-Swap/blob/main/bfs_body_swap_v1.0_qwen_2.1.safetensors - замена тела/персоны в один проход
modelscope.ai/models/DiffSynth-Studio/Qwen-Image-2.1-LayerExtract : выделяет объект по промпту и выносит на прозрачный фон
modelscope.ai/models/DiffSynth-Studio/Qwen-Image-2.1-LayerRemove - LayerRemove: убирает объект с картинки и достраивает фон за ним. Оба — компактные LoRA, хот-свапаются в одном пайплайне
#workflow
github.com/leeblaab/ComfyUI-Workflows/blob/main/LEEBLAAB-QwenImage21-Character-SHEET.json - #charactersheet без локальных LLM: одна картинка → LLM-чат (инструкция в репо) → промпт → лист персонажа
huggingface.co/zuanfilm/3D_Model_Multiview_Qwen_i21 - новый ракурс через 3D: TripoSplat делает сплэт из одной картинки (SPZ+GLB+орбита), выбираешь угол в ComfyUI, Qwen 2.1 реконструирует вид. Без Blender. Можно миксовать наряды и объекты с разных картинок
github.com/scraed/LanPaint - #LanPaint теперь и для Qwen 2.1: #inpainting с правкой альфа-канала (прозрачность меняет форму), эдит-модель работает под маской
github.com/capitan01R/ComfyUI-qwen_img_2_1_enhancer - две ноды внимания: Reference Strength (вес конкретного референса, мульти-реф) и Phrase Weights (вес фразы в промпте: (теплый свет:1.4)). Инспекция совпадений токенов
civitai.red/models/2432921 - QR Code Monster: I2I-эдит, «трансформируй картинку в сцену, сохранив контуры» — QR-коды и иллюзии
huggingface.co/RunningHubAI/rh-qwen-image-2.1v2.0-lora - интеграция объекта в картинку
———
huggingface.co/Viggle/Qwen-Image-2.1-viggle-turbo/blob/main/Qwen-Image-2.1-viggle-turbo-v0.2.1-6step-int8_convrot.safetensors - связка для #charactersheet : viggle-turbo 6-step int8 (7.26GB) + texture-fix VAE (676MB)
Воркфлоу тут github.com/RiverSide71/Qwen-Image-2.1-viggle-turbo
#NSFW
качественный nsfw от @GrafSima civitai.red/models/2973335/qwen-image-21-super-duper-stable-nsfw-workflow
edit режим civitai.red/models/2975820/qwen-image-21-edit-super-duper-stable-nsfw-workflow?modelVersionId=3372758
🔥8👍2
This media is not supported in your browser
VIEW IN TELEGRAM
DistScene
Система от CoolBeam: превращает одно изображение в редактируемую 3D-сцену с расставленными объектами и окружением.
• Генерация сцены из одного изображения: окружение и объекты вместе
• Объект-центричный рефайнмент — восстановление деталей с акцентом на объект
• Сцены композиционные: объекты можно редактировать отдельно
• Прямой импорт в симуляторы навигации
• Интерактивная демка в браузере
Как работает
• Самодистилляция данных: Trellis.2 генерирует объекты и среды, физик-чеки собирают сцены, рендер даёт conditioning
• Два этапа: разреженная структурная генерация + геометрия-латентная генерация
• Объект уводится в локальный воксельный саппорт для рефайнмента и возвращается обратно
• База — разреженные воксели, разреженный DiT на flow-matching и LoRA
huggingface.co/coolbeam/DistScene-preview-assets
Спасибо @m_franz
#image2scene #imageto3d
MAX
Система от CoolBeam: превращает одно изображение в редактируемую 3D-сцену с расставленными объектами и окружением.
• Генерация сцены из одного изображения: окружение и объекты вместе
• Объект-центричный рефайнмент — восстановление деталей с акцентом на объект
• Сцены композиционные: объекты можно редактировать отдельно
• Прямой импорт в симуляторы навигации
• Интерактивная демка в браузере
Как работает
• Самодистилляция данных: Trellis.2 генерирует объекты и среды, физик-чеки собирают сцены, рендер даёт conditioning
• Два этапа: разреженная структурная генерация + геометрия-латентная генерация
• Объект уводится в локальный воксельный саппорт для рефайнмента и возвращается обратно
• База — разреженные воксели, разреженный DiT на flow-matching и LoRA
huggingface.co/coolbeam/DistScene-preview-assets
Спасибо @m_franz
#image2scene #imageto3d
MAX
❤8👍3
This media is not supported in your browser
VIEW IN TELEGRAM
Бэкдор в локальной нейронке: почему не стоит качать сомнительные веса
ProjectDiscovery проверили насколько легко запихнуть бэкдор в локальную LLM. Взяли Qwen2.5-7B, дообучили ее научив реагировать на секретную фразу «bonsoir, Elliot»
Как только фраза появлялась в запросе, нейронка подключенная к Codex CLI, скачивала и запускала вредоносный скрипт. Тот вытаскивал из проекта пароли, API-ключи и доступы и отправлял их на сервер исследователей.
По обычным проверкам модель выглядела безупречно: отвечала как надо, пользовалась инструментами как надо и ничем себя не выдавала. Вся история обучилась примерно за два с половиной часа на одной NVIDIA L4 и обошлась дешевле пятидесяти долларов
Способа обнаружить такой бэкдор, насколько я понимаю, на сегодня не существует
#security #news
MAX
ProjectDiscovery проверили насколько легко запихнуть бэкдор в локальную LLM. Взяли Qwen2.5-7B, дообучили ее научив реагировать на секретную фразу «bonsoir, Elliot»
Как только фраза появлялась в запросе, нейронка подключенная к Codex CLI, скачивала и запускала вредоносный скрипт. Тот вытаскивал из проекта пароли, API-ключи и доступы и отправлял их на сервер исследователей.
По обычным проверкам модель выглядела безупречно: отвечала как надо, пользовалась инструментами как надо и ничем себя не выдавала. Вся история обучилась примерно за два с половиной часа на одной NVIDIA L4 и обошлась дешевле пятидесяти долларов
Способа обнаружить такой бэкдор, насколько я понимаю, на сегодня не существует
#security #news
MAX
😱23🔥3❤2👍2😁1👨💻1
Claude Haiku 5.5
Самая быстрая и доступная модель в линейке Claude 5.5 от Anthropic. Для задач, где важны скорость, низкая цена и масштабирование: массовая обработка, классификация, автоматизация, простые агенты, API-нагрузки
• Скорость и минимальная стоимость на объеме
• Массовые запросы и классификация
• Автоматизация и простые агенты
• Высокие API-нагрузки
Линейка Claude 5.5
• Opus 5.5 — максимум возможностей
• Sonnet 5.5 — баланс качества и цены
• Haiku 5.5 — скорость и минимум цены
Главное — Haiku 5.5 вплотную подошла по качеству к крупным моделям прошлых поколений при кратно меньшей цене
MAX
Самая быстрая и доступная модель в линейке Claude 5.5 от Anthropic. Для задач, где важны скорость, низкая цена и масштабирование: массовая обработка, классификация, автоматизация, простые агенты, API-нагрузки
• Скорость и минимальная стоимость на объеме
• Массовые запросы и классификация
• Автоматизация и простые агенты
• Высокие API-нагрузки
Линейка Claude 5.5
• Opus 5.5 — максимум возможностей
• Sonnet 5.5 — баланс качества и цены
• Haiku 5.5 — скорость и минимум цены
Главное — Haiku 5.5 вплотную подошла по качеству к крупным моделям прошлых поколений при кратно меньшей цене
MAX
👍5
This media is not supported in your browser
VIEW IN TELEGRAM
Mistral Large 4 (Le Chonk)
Ах да, у Mistral же новый флгман. Крупный MoE: ~1 трлн параметров, 52B активных. Неофициально зовут Le Chonk — отсылка к мему про фейковую гигантскую модель Le Chaton Fat
• Мультимодальность: текст, картинки, документы, схемы
• Кодинг и агенты — Coding Agent Index 49.8%, выше DeepSeek V4 Pro и Qwen3.8 Max
• Кибербезопасность — топ-5 в мире по Cyber Index, 82% на тесте «воспроизведи и заплатчи уязвимость»
• Финансы и право — обходит GPT-6 Astra по тестам vals.ai
• Visual grounding — Dense 200: 42% против 41% у GPT-6-Astra
• Контекст до 1 млн токенов
• ~1 трлн параметров, 52B активных
• Public preview через API в Mistral Studio
• Веса — в конце октября
Новая открытая #SOTA среди open-weight моделей США и Европы. Интересно заметит ли ктонибудь эту "соту"
#multimodal #flagship
MAX
Ах да, у Mistral же новый флгман. Крупный MoE: ~1 трлн параметров, 52B активных. Неофициально зовут Le Chonk — отсылка к мему про фейковую гигантскую модель Le Chaton Fat
• Мультимодальность: текст, картинки, документы, схемы
• Кодинг и агенты — Coding Agent Index 49.8%, выше DeepSeek V4 Pro и Qwen3.8 Max
• Кибербезопасность — топ-5 в мире по Cyber Index, 82% на тесте «воспроизведи и заплатчи уязвимость»
• Финансы и право — обходит GPT-6 Astra по тестам vals.ai
• Visual grounding — Dense 200: 42% против 41% у GPT-6-Astra
• Контекст до 1 млн токенов
• ~1 трлн параметров, 52B активных
• Public preview через API в Mistral Studio
• Веса — в конце октября
Новая открытая #SOTA среди open-weight моделей США и Европы. Интересно заметит ли ктонибудь эту "соту"
#multimodal #flagship
MAX
❤4👍4😁3
HunyuanImage 3.0 в ComfyUI
Тенсентовская модель 80B MoE (13B активных на шаг) теперь работает нативно в #ComfyUI на одной карте 12–24 ГБ. Без обtрток: обычный KSampler, обычный VAE Decode, эксперты стримятся из RAM через PCIe
• Текст-в-картинку, редактирование, стилизация
• до 3 входных картинок
• Опциональное расширение промпта и Spectrum-ускорение ~3.4× для 50-шаговых
• С 4-bit весами ComfyUI держит ~50 ГБ RAM — это главное требование
Instruct-Distil
Instruct
Base
ComfyUI
#imageediting
MAX
Тенсентовская модель 80B MoE (13B активных на шаг) теперь работает нативно в #ComfyUI на одной карте 12–24 ГБ. Без обtрток: обычный KSampler, обычный VAE Decode, эксперты стримятся из RAM через PCIe
• Текст-в-картинку, редактирование, стилизация
• до 3 входных картинок
• Опциональное расширение промпта и Spectrum-ускорение ~3.4× для 50-шаговых
• С 4-bit весами ComfyUI держит ~50 ГБ RAM — это главное требование
Instruct-Distil
Instruct
Base
ComfyUI
#imageediting
MAX
🔥12👍2