World from Motion

4D реконструкция на гауссианах из одного видео. С июля лежало в закладках ждало релиза

Stanford и NVIDIA, NeurIPS 2026.

• За основу взята реконструкция MoSca. Видеомодель DiffSynth дорисовывает виды с новых камер, потом эти кадры дистиллируются обратно в сцену
• То есть реконструкция и генерация работают в паре: где данных не хватает, их добирает видеомодель на базе Wan2.1-VACE-14B

github.com/GradientSpaces/World-from-Motion
huggingface.co/liyzzz/World-from-Motion

Спасибо @m_franz

#videoto4d #4d #gaussian

MAX

GaussFusion

Чистка 3DGS видеомоделью

CVPR 2026, Stanford и Zillow Group.

• Чинит готовую реконструкцию на гауссианах: убирает летающие точки, мерцание и размытие от ошибок позы камеры и неполного покрытия
• Не переобучает сцену, а улучшает рендер видео-моделью
• Работает и с оптимизационными методами, и с прямыми вроде DepthSplat

Как работает
• Из реконструкции рендерится буфер гауссиан: цвет, глубина, нормали, непрозрачность, ковариация
• Буфер идет в VAE и трехмерную свертку, сжимается в латент геометрии
• Flow-трансформер на блоках DiT с геометрическими адаптерами сшивает его с латентом видео, текст входит через cross-attention
• На выходе согласованные по времени кадры без артефактов

Быстрый вариант дает 16 FPS, годится под интерактив

Код и модель ждем

Спасибо @m_Franz

#gaussian

MAX

Harness² от Google

агент улучшает свою среду

Результат агента зависит не только от модели, но и от окружения: промпта, инструментов, памяти, навыков, субагентов. Это окружение называют harness. Harness² меняет его под новую задачу без переобучения модели.

Как работает
• Редактируемых компонентов восемь: системный промпт, guardrails, память, описание инструментов, субагенты, навыки, скрипты, плагины
• Цикл Propose-Probe-Compose: агент предлагает правки, пробует их на одной задаче, сравнивает запуски и собирает улучшенную конфигурацию
• Правильный ответ и внешний проверяющий не нужны: опора на контраст поведения между запусками
• Уровень выше копит опыт, принятые конфигурации и подтвержденные запусками выводы уходят в постоянный improvement harness

Что в релизе
• Параллельный и последовательный режимы
• Исполнители OpenCode и Codex

#agent #harness

MAX

Photon

движок поиска и ранжирования от Perplexity для агентов. Заменил открытый движок, который в компании годами держали форком, и теперь обслуживает весь поиск.

Что не устраивало
• p99 до 800 мс, во время слияния индексов уходил в 1,2 с на 10-15 минут
• Индекс не влезал в память, холодные чтения вставали в page faults
• Синхронизация нового кластера занимала больше недели

Что сделали
• Компактные форматы: перевернутый индекс с блоками по плотности и отдельная запись docblob с частотами и позициями
• Кэш под батчевые чтения, диск асинхронно через io_uring
• Сборка индекса отделена от выдачи: группа сначала прогревается, потом получает трафик

Результат
• p99 внутри Photon 65 мс вместо 800
• На 20% меньше машин при 2,5 раза больше данных на документ
• Быстрый пресет Search API: 160 мс p50, 230 p95, стоимость задачи ниже на 68% при сопоставимом качестве
• Писали небольшая команда и рой постоянных кодинг-агентов

#search

Устал я писать новости, так что #оффтоп о том что меня бесит*

Звонок с незнакомого номера

Я: алло?
Робот: не вешайте трубку...

Это вы мне звоните ушлепки, чтобы мне чтото втюхать, а не я вам. Я ни секунды не буду ждать пока ваш низкооплачиваемый сотрудник коллцентра сможет со мной поговорить. Особо горячий котел в аду тому кто выдумал эту хрень с дозвоном

* на КДПВ - генерация MOSS-Image по промпту
как же бесит, мем

#набрюзжал

MAX

MiniMax M3.1 Flash

Space Bunny оказался ранней версией M3.1 Flash

Результаты
• Automation-Bench 62%
• ALE 30%
• DeepSWE 74%
• BabyVision 91%
• Втрое быстрее M3 при трети цены

API
• 0,15 доллара за 1 млн входных токенов
• 0,60 за 1 млн выходных
• 0,015 за чтение из кеша, в десять раз дешевле входных

Доступ
• API, подписка M Plan и десктопный MiniMax Code
• Веса обещают открыть 23 октября

• При такой цене модель метит в агентные циклы, где важны тысячи дешевых вызовов, а не одна мощная генерация
• Для сравнения: тот же объем работы на M3 стоит втрое дороже и идет втрое дольше

#agent #api

MAX

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