FocusGUI
Легкий адаптер для омнимодальных GUI-агентов. Держит внимание на том, что решает текущий шаг, и не дает траектории уехать в сторону.
• Семь каналов: текст с историей, экран, звук, видео, состояние взаимодействия, скрытые признаки, пространственные признаки экрана
• Вес каналов пересчитывается на каждом шаге под текущее решение
• Все нужное сжимается в латент на 64 числа и подмешивается в эмбеддинги декодера
• Базовая модель заморожена, обучается только адаптер
• Обучение по следующему действию, разметка релевантности не нужна
fyzhang1.github.io/FocusGUI
#computeruse #agent
MAX
Легкий адаптер для омнимодальных GUI-агентов. Держит внимание на том, что решает текущий шаг, и не дает траектории уехать в сторону.
• Семь каналов: текст с историей, экран, звук, видео, состояние взаимодействия, скрытые признаки, пространственные признаки экрана
• Вес каналов пересчитывается на каждом шаге под текущее решение
• Все нужное сжимается в латент на 64 числа и подмешивается в эмбеддинги декодера
• Базовая модель заморожена, обучается только адаптер
• Обучение по следующему действию, разметка релевантности не нужна
fyzhang1.github.io/FocusGUI
#computeruse #agent
MAX
👍3🔥1
This media is not supported in your browser
VIEW IN TELEGRAM
ComfyUI Tab Manager
Расширение наводит порядок в открытых воркфлоу #ComfyUI
Группировка по образцу Chrome
• Группы вкладок с цветами, без ограничений по количеству
• Вложенные группы внутри групп и перетаскивание воркфлоу между ними
• Свернуть и развернуть группу, чтобы не рябило в панели
• Помнит, какой воркфлоу в какой группе, после закрытия и повторного открытия
• Родные функции на месте: переименование, дублирование, сохранение, экспорт, закрытие средней кнопкой
Цвета групп и кнопку + Group можно настроить под себя
registry.comfy.org/publishers/redysdump/nodes/comfyui-tab-manager
#extension #manager
MAX
Расширение наводит порядок в открытых воркфлоу #ComfyUI
Группировка по образцу Chrome
• Группы вкладок с цветами, без ограничений по количеству
• Вложенные группы внутри групп и перетаскивание воркфлоу между ними
• Свернуть и развернуть группу, чтобы не рябило в панели
• Помнит, какой воркфлоу в какой группе, после закрытия и повторного открытия
• Родные функции на месте: переименование, дублирование, сохранение, экспорт, закрытие средней кнопкой
Цвета групп и кнопку + Group можно настроить под себя
registry.comfy.org/publishers/redysdump/nodes/comfyui-tab-manager
#extension #manager
MAX
🔥10👍3❤1
Adaptive Step Samplers
Дополнение к #ComfyUI, открывает настройку, спрятанную в стандартном сэмплере для хорошего движения и текстуры
Внутри ComfyUI давно есть sa_solver
Он считает предсказание с коррекцией и тратит один проход сети на шаг. Но сила шума там зашита на 1.0, окно на 20-80%, и узла для этого нет.
Автор вытащил оба параметра наружу. Заодно добавил детерминированный вариант метода и зонд с диагностикой по шагам.
На практике: поднимать силу шума полезно примерно до 1.7. На 8-14 шагах картинка получает живую текстуру, а общая геометрия держится. Дальше рассыпаются мелкие детали вроде ресниц, и композиция уезжает, так что это уже другой кадр, не тот же с улучшенной поверхностью.
Что не сработало: умное перераспределение шагов проигрывает стоковому планировщику, управление шумом по оценке ошибки ничего не дает сверх ручного снижения, расширение окна шума только портит.
Впрочем, пишут что в комфи уже есть родная нода для этого
#sampler
MAX
Дополнение к #ComfyUI, открывает настройку, спрятанную в стандартном сэмплере для хорошего движения и текстуры
Внутри ComfyUI давно есть sa_solver
Он считает предсказание с коррекцией и тратит один проход сети на шаг. Но сила шума там зашита на 1.0, окно на 20-80%, и узла для этого нет.
Автор вытащил оба параметра наружу. Заодно добавил детерминированный вариант метода и зонд с диагностикой по шагам.
На практике: поднимать силу шума полезно примерно до 1.7. На 8-14 шагах картинка получает живую текстуру, а общая геометрия держится. Дальше рассыпаются мелкие детали вроде ресниц, и композиция уезжает, так что это уже другой кадр, не тот же с улучшенной поверхностью.
Что не сработало: умное перераспределение шагов проигрывает стоковому планировщику, управление шумом по оценке ошибки ничего не дает сверх ручного снижения, расширение окна шума только портит.
Впрочем, пишут что в комфи уже есть родная нода для этого
#sampler
MAX
GitHub
GitHub - YakovSava/adaptive-step-samplers: Research on adaptive-step samplers: metrics, measurements, source code, and examples
Research on adaptive-step samplers: metrics, measurements, source code, and examples - YakovSava/adaptive-step-samplers
👍5
CorridorKey 2.0
Вторая версия кеера от коридоров
Как обычно мухлюют. Надо было кеить то что на прикрепленной картинке а не почт идеальный хромак
• Маттинг без подсказок, по первому кадру или по готовому хинт-видео
• Отдельно альфа и отдельно foreground, плюс варианты с шахматкой и вырезом
• Удаление цветного ореола с настройкой силы
• Вывод в видео или в #HDR #EXR
• RTX 30 и новее, 4 ГБ на 1440p, 6 ГБ на 4K
• Веса ~ 5 ГБ
• В основе три чужие модели: C-RADIOv4, MoGe-2 и RVM
Разрешение сохраняется нативное, внутренние паддинги срезаются обратно. Режим без хинта самый быстрый, но модель сама решает, что считать объектом. С первым кадром контроль выше, на длинных и загруженных сценах маска может уехать. Полное хинт-видео повторяет все ошибки подсказки
Платная версия
#keying #compositing
MAX
Вторая версия кеера от коридоров
Как обычно мухлюют. Надо было кеить то что на прикрепленной картинке а не почт идеальный хромак
• Маттинг без подсказок, по первому кадру или по готовому хинт-видео
• Отдельно альфа и отдельно foreground, плюс варианты с шахматкой и вырезом
• Удаление цветного ореола с настройкой силы
• Вывод в видео или в #HDR #EXR
• RTX 30 и новее, 4 ГБ на 1440p, 6 ГБ на 4K
• Веса ~ 5 ГБ
• В основе три чужие модели: C-RADIOv4, MoGe-2 и RVM
Разрешение сохраняется нативное, внутренние паддинги срезаются обратно. Режим без хинта самый быстрый, но модель сама решает, что считать объектом. С первым кадром контроль выше, на длинных и загруженных сценах маска может уехать. Полное хинт-видео повторяет все ошибки подсказки
Платная версия
#keying #compositing
MAX
👍8🔥4❤2
Media is too big
VIEW IN TELEGRAM
Matrix-Game 4.0
Игровая видеомодель мира в реальном времени
Раньше такие миры теряли все что ушло из кадра и заново выводили правила из пикселей. Здесь состояние лежит в движке поэтому картинка не разваливается при поворотах и долгой игре
• Отклик 112 мс
• Движок ведет правила и состояние, видеомодель только дорисовывает кадр
• Кодинг-агент превращает просьбу игрока в новые правила и промпты
• Пространственная память по позе камеры и опорные кадры держат вид сцены
• Скользящее окно KV-кэша, старые чанки выпадают
• Непрерывные сессии без перезапуска, 54-99 секунд на запись
480p, 60 FPS на 5090
• Один чанк это 4 кадра, сжатие до 1-2 шагов
3.0 тут
github.com/SkyworkAI/Matrix-Game
huggingface.co/Skywork/Matrix-Game-4.0
Демо
#world #realtime #interactive
MAX
Игровая видеомодель мира в реальном времени
Раньше такие миры теряли все что ушло из кадра и заново выводили правила из пикселей. Здесь состояние лежит в движке поэтому картинка не разваливается при поворотах и долгой игре
• Отклик 112 мс
• Движок ведет правила и состояние, видеомодель только дорисовывает кадр
• Кодинг-агент превращает просьбу игрока в новые правила и промпты
• Пространственная память по позе камеры и опорные кадры держат вид сцены
• Скользящее окно KV-кэша, старые чанки выпадают
• Непрерывные сессии без перезапуска, 54-99 секунд на запись
480p, 60 FPS на 5090
• Один чанк это 4 кадра, сжатие до 1-2 шагов
3.0 тут
github.com/SkyworkAI/Matrix-Game
huggingface.co/Skywork/Matrix-Game-4.0
Демо
#world #realtime #interactive
MAX
👀6👍2
This media is not supported in your browser
VIEW IN TELEGRAM
S-Agent 2.0
Набор восприятия в виде консольных команд для обычного кодинг-агента. Агент не просто смотрит на картинку, а измеряет сцену и опирается на числа
Смысл в том, что модель часто получает верный замер и все равно отвечает мимо: путает систему отсчета или перебивает измерение интуицией. Здесь агент обязан ссылаться на посчитанное. Слабое место - ошибки реконструкции и неверно поставленный наблюдатель, они тянутся в ответ
Внутри замороженные Depth Anything 3, p-mos, GeoCalib и SAM 3
• Сборка метрической сцены по фото и видео, выравнивание по гравитации
• Сегментация и превращение масок в именованные 3D-инстансы
• Память сцены между вызовами: позиция, размер, поза, имя
• Чтение в пространственном языке: спереди, слева, ниже, с единицами и системой отсчета
• Расстояния, глубина, высота, движение камеры и объектов, компас, вид сверху
• Проверка масок и карты перед ответом
github.com/Ropedia/S-Agent-2.0
#agent #vlm
Набор восприятия в виде консольных команд для обычного кодинг-агента. Агент не просто смотрит на картинку, а измеряет сцену и опирается на числа
Смысл в том, что модель часто получает верный замер и все равно отвечает мимо: путает систему отсчета или перебивает измерение интуицией. Здесь агент обязан ссылаться на посчитанное. Слабое место - ошибки реконструкции и неверно поставленный наблюдатель, они тянутся в ответ
Внутри замороженные Depth Anything 3, p-mos, GeoCalib и SAM 3
• Сборка метрической сцены по фото и видео, выравнивание по гравитации
• Сегментация и превращение масок в именованные 3D-инстансы
• Память сцены между вызовами: позиция, размер, поза, имя
• Чтение в пространственном языке: спереди, слева, ниже, с единицами и системой отсчета
• Расстояния, глубина, высота, движение камеры и объектов, компас, вид сверху
• Проверка масок и карты перед ответом
github.com/Ropedia/S-Agent-2.0
#agent #vlm
🔥8❤1👍1
Sage-A1.5
Агентная модель Shanghai AI Lab на 35 млрд параметров с MoE. Ведет долгую работу сама: раздает подзадачи, проверяет себя и доводит научный поиск до результата.
• Оркестрация: несколько суб-агентов с изолированным контекстом работают параллельно и оспаривают допущения друг друга
• Самопроверка внутри собственной цепочки рассуждений, без внешнего критика: модель смотрит, что вышло и что провалилось, и меняет курс
• Инженерия от разбора кода до патчей и прогона тестов
• Научный поиск с литературой, анализом данных и проверкой доказательств
• Инструменты, браузер, длинное планирование, следование инструкциям
• 35B MoE на базе Qwen3.6-35B-A3B и Agents-A1
• Контекст 262 тысячи токенов
• Запуск через SGLang или vLLM с OpenAI-совместимым API
• GAIA 95,1 и XBench-DS 92,0
• SWE-bench Pro 61,2, MLE-Lite 65,2
huggingface.co/InternScience/Sage-A1.5
#agent
MAX
Агентная модель Shanghai AI Lab на 35 млрд параметров с MoE. Ведет долгую работу сама: раздает подзадачи, проверяет себя и доводит научный поиск до результата.
• Оркестрация: несколько суб-агентов с изолированным контекстом работают параллельно и оспаривают допущения друг друга
• Самопроверка внутри собственной цепочки рассуждений, без внешнего критика: модель смотрит, что вышло и что провалилось, и меняет курс
• Инженерия от разбора кода до патчей и прогона тестов
• Научный поиск с литературой, анализом данных и проверкой доказательств
• Инструменты, браузер, длинное планирование, следование инструкциям
• 35B MoE на базе Qwen3.6-35B-A3B и Agents-A1
• Контекст 262 тысячи токенов
• Запуск через SGLang или vLLM с OpenAI-совместимым API
• GAIA 95,1 и XBench-DS 92,0
• SWE-bench Pro 61,2, MLE-Lite 65,2
huggingface.co/InternScience/Sage-A1.5
#agent
MAX
❤1
This media is not supported in your browser
VIEW IN TELEGRAM
LTX Desktop 1.3.0
Обновили
• Новая главная и боковая панель, быстрый поиск по инструментам
• Ассистент в чате сам ставит задачи в очередь: видео, рецепты, продление, ретейк
• Текст в видео, картинка в видео, аудио в видео
• Retake перегенерирует кусок клипа, Extend добавляет кадры до и после
• IC-LoRA: Ingredients, Day to Night, Deblur, симуляция воды и другие эффекты
• Очередь с перестановкой и отменой задач, Remote с телефона по локальной сети
• Генерации и ассеты переживают перезапуск
• Быстрые превью-разрешения
• Больше вариантов длительности, частоты кадров и пропорций
• Ручное и авто-усиление промпта, настройка сида
• NVIDIA от 24 ГБ видеопамяти, есть сборки под Apple Silicon, Windows и Linux
Ассистент работает через Gemini API или локальную Qwen.
#desktop #videoediting
MAX
Обновили
• Новая главная и боковая панель, быстрый поиск по инструментам
• Ассистент в чате сам ставит задачи в очередь: видео, рецепты, продление, ретейк
• Текст в видео, картинка в видео, аудио в видео
• Retake перегенерирует кусок клипа, Extend добавляет кадры до и после
• IC-LoRA: Ingredients, Day to Night, Deblur, симуляция воды и другие эффекты
• Очередь с перестановкой и отменой задач, Remote с телефона по локальной сети
• Генерации и ассеты переживают перезапуск
• Быстрые превью-разрешения
• Больше вариантов длительности, частоты кадров и пропорций
• Ручное и авто-усиление промпта, настройка сида
• NVIDIA от 24 ГБ видеопамяти, есть сборки под Apple Silicon, Windows и Linux
Ассистент работает через Gemini API или локальную Qwen.
#desktop #videoediting
MAX
👍8
ComfyUI-Marigold-V2-Tiled-Depth-Vathography
Ватографию оформили в кастом ноды
Под капотом тайленный Marigold v2
#image2depth #comfyui
MAX
Ватографию оформили в кастом ноды
Под капотом тайленный Marigold v2
#image2depth #comfyui
MAX
😁6
#MossImage
#LoRA #optimization
hf.co/axiomofmind/Moss-image-nsfw-uncensored-lora - бесцензурная LoRA #uncensored
hf.co/akhaliq/MOSS-Image-SFT-4-steps#3-step-draft-tier - 3-шаговая турбо LoRA (самый быстрый чистый вариант)
civitai.red/models/3010926/moss-image-base-smartphone-snapshot-photo-reality-style - стиль «смартфон-снимок»
civitai.com/models/3009913/moss-edit-anime2real-anime-to-realistic - аниме→реализм #realism
civitai.com/models/3011866/moss-imagefinish-tweaker - слайдер упрощения/стилизации изображения. Без триггера
civitai.com/models/3012015/candid-amateur-iphone-cndamiph-or-moss-image-lora - «живой» любительский кадр вместо постановочного сточного фото
civitai.com/models/3013030/direct-flash-film-point-and-shoot-flash-snapshots-or-moss - уличная съемка с прямой вспышкой
civitai.com/models/3012685/male-smoke-or-moss - «курящие» — сочетается с нуар-промптом
civitai.com/models/3014333/ultimate-digital-artwork - UDA: аниме и диджитал-живопись без артефактов
hf.co/lodestones/MOSS-Image-Base-8-steps-dmd - 8-шаговая LoRA DMD под базовый MOSS
———
github.com/SurpassHR/ComfyUI-MOSS-Image-Ostris-Edit - запуск эдит-LoRA с MOSS (например аниме→реализм). Ноды Ostris Edit
hf.co/pleiades7/MOSS-Image-CharRef-PoC - PoC: референс-изображения персонажа
github.com/ThetaCursed/ComfyUI-MOSSImageTextEncoder - референс-картинки через vision-башню Qwen3.5 прямо в текстовом кондишне (не как VAE-латент). Работает с SFT-8-steps-dmd
github.com/ukr8b3g-cmyk/MossImage-BBOX-Prompter - визуальный BBox-промптер, на базе Krea2 BBox, Nodes 2.0 не нужен
github.com/RunningOverGlowies/MOSS-BBox-Editor - офлайн BBox-редактор на HTML-странице: фоновый слой, JSON копируется вручную
———
civitai.com/models/3010404/moss-image-workflow-image-to-image - «почти #i2i »: vision описывает картинку, MOSS генерит по описанию. Идентичность персонажа теряется
hf.co/ShootTheSound/Fizgig-MOSS-Image-SFT-Look-LoRA - SFT Look: 2Gb LoRA = разница SFT и Base. На Base дает вид SFT без загрузки SFT. На 0.5 — лучшие из обоих
hf.co/DiffSynth-Studio/MOSS-Image-EntroPack - предквант MOSS для DiffSynth-Studio
pastebin.com/v9bcZftJ - воркфлоу: MOSS принимает картинки через мультимодальный энкодер → MOSS как эдит-модель
ukr8b3g-cmyk.github.io/MOSS-Image-Character-Catalog - офлайн-каталог 33937 персонажей и 221 стиля (скачивается, 2Gb)
#LoRA #optimization
hf.co/axiomofmind/Moss-image-nsfw-uncensored-lora - бесцензурная LoRA #uncensored
hf.co/akhaliq/MOSS-Image-SFT-4-steps#3-step-draft-tier - 3-шаговая турбо LoRA (самый быстрый чистый вариант)
civitai.red/models/3010926/moss-image-base-smartphone-snapshot-photo-reality-style - стиль «смартфон-снимок»
civitai.com/models/3009913/moss-edit-anime2real-anime-to-realistic - аниме→реализм #realism
civitai.com/models/3011866/moss-imagefinish-tweaker - слайдер упрощения/стилизации изображения. Без триггера
civitai.com/models/3012015/candid-amateur-iphone-cndamiph-or-moss-image-lora - «живой» любительский кадр вместо постановочного сточного фото
civitai.com/models/3013030/direct-flash-film-point-and-shoot-flash-snapshots-or-moss - уличная съемка с прямой вспышкой
civitai.com/models/3012685/male-smoke-or-moss - «курящие» — сочетается с нуар-промптом
civitai.com/models/3014333/ultimate-digital-artwork - UDA: аниме и диджитал-живопись без артефактов
hf.co/lodestones/MOSS-Image-Base-8-steps-dmd - 8-шаговая LoRA DMD под базовый MOSS
———
github.com/SurpassHR/ComfyUI-MOSS-Image-Ostris-Edit - запуск эдит-LoRA с MOSS (например аниме→реализм). Ноды Ostris Edit
hf.co/pleiades7/MOSS-Image-CharRef-PoC - PoC: референс-изображения персонажа
github.com/ThetaCursed/ComfyUI-MOSSImageTextEncoder - референс-картинки через vision-башню Qwen3.5 прямо в текстовом кондишне (не как VAE-латент). Работает с SFT-8-steps-dmd
github.com/ukr8b3g-cmyk/MossImage-BBOX-Prompter - визуальный BBox-промптер, на базе Krea2 BBox, Nodes 2.0 не нужен
github.com/RunningOverGlowies/MOSS-BBox-Editor - офлайн BBox-редактор на HTML-странице: фоновый слой, JSON копируется вручную
———
civitai.com/models/3010404/moss-image-workflow-image-to-image - «почти #i2i »: vision описывает картинку, MOSS генерит по описанию. Идентичность персонажа теряется
hf.co/ShootTheSound/Fizgig-MOSS-Image-SFT-Look-LoRA - SFT Look: 2Gb LoRA = разница SFT и Base. На Base дает вид SFT без загрузки SFT. На 0.5 — лучшие из обоих
hf.co/DiffSynth-Studio/MOSS-Image-EntroPack - предквант MOSS для DiffSynth-Studio
pastebin.com/v9bcZftJ - воркфлоу: MOSS принимает картинки через мультимодальный энкодер → MOSS как эдит-модель
ukr8b3g-cmyk.github.io/MOSS-Image-Character-Catalog - офлайн-каталог 33937 персонажей и 221 стиля (скачивается, 2Gb)
🔥12❤1👍1
This media is not supported in your browser
VIEW IN TELEGRAM
Claude Duet
Персональный проактивный агент Anthropic, пишет первым. Раньше агента надо было запускать и ждать, этот работает в фоне и сам возвращается с результатом.
• Задача ставится в тред, устроенный как мессенджер
• Работа идет на облачном компьютере Anthropic, ноутбук не нужен
• Пишет, когда готово или когда без вашего решения дальше нельзя
• Утром присылает сводку и дальше молчит, пока нет важного
• Тянет память, скиллы и приложения из аккаунта Claude
• Подключение к 6000+ сервисам: Gmail, Calendar, Slack, Stripe, HubSpot и прочее
• Перед письмами и платежами спрашивает разрешение
Research preview с листом ожидания
Только Pro и Max, пока в США
Приложения для iOS и Android плюс веб-версия
#agent
MAX
Персональный проактивный агент Anthropic, пишет первым. Раньше агента надо было запускать и ждать, этот работает в фоне и сам возвращается с результатом.
• Задача ставится в тред, устроенный как мессенджер
• Работа идет на облачном компьютере Anthropic, ноутбук не нужен
• Пишет, когда готово или когда без вашего решения дальше нельзя
• Утром присылает сводку и дальше молчит, пока нет важного
• Тянет память, скиллы и приложения из аккаунта Claude
• Подключение к 6000+ сервисам: Gmail, Calendar, Slack, Stripe, HubSpot и прочее
• Перед письмами и платежами спрашивает разрешение
Research preview с листом ожидания
Только Pro и Max, пока в США
Приложения для iOS и Android плюс веб-версия
#agent
MAX
❤2