This media is not supported in your browser
VIEW IN TELEGRAM
Blender Foundation бахнули Блендор 5.3 с нативной поддержкой 3D Gaussian Splatting и DLSS 4.5
Главным архитектурной фичей стала прямая нативная интеграция 3D Gaussian Splatting.
Blender теперь импортирует сцены из файлов PLY, SPZ и glTF, сохраняя их как специализированные облака точек с поддержкой векторов масштаба, кватернионов вращения, базовой радиации и коэффициентов сферических гармоник.
Данные сплатов можно процедурно модифицировать через ноды Geometry Nodes и визуализировать в реальном времени во всех движках: от предпросмотра в Workbench до финального рендеринга в EEVEE и Cycles. Базовый шейдер можно заменять на честный BSDF для физически корректного переосвещения (relighting).
Движок Cycles получил поддержку технологии DLSS 4.5 Ray Reconstruction для интерактивного шумоподавления во вьюпорте на видеокартах NVIDIA. За счет временного переиспользования сэмплов и нейросетевого апскейлинга юзеры получают отклик уровня EEVEE при точности трассировки лучей Cycles, что полностью устраняет мерцание кадров при проигрывании анимации. В шейдер Principled BSDF добавили честную дисперсию света по стандарту OpenPBR v1.1.1 и анизотропию шероховатости стекла.
В свою очередь EEVEE обзавелся нодами Material Lighting для точечного контроля реакции материалов на отдельные источники света и поддержкой панорамных камер Fisheye.
В ядре программы дебютировала опциональная система проектов (Projects), связывающая библиотеки ассетов, переменные пайплайна и конфигурации цвета в единый рабочий контекст за пределами одиночных .blend файлов.
Композитор обзавелся стеком эффектов с быстрым наложением Bloom и Chromatic Aberration без путаницы связей, получил 17 вычислительных нод и ускорение фильтра Anisotropic Kuwahara до 10 раз на чипах Apple Silicon.
Релиз дополнен булевым вырезанием Carver в Grease Pencil и полноценным фреймворком монтажа со сдвигом (ripple editing) в видеоредакторе VSE.
На итоге:
@cgevent
Главным архитектурной фичей стала прямая нативная интеграция 3D Gaussian Splatting.
Blender теперь импортирует сцены из файлов PLY, SPZ и glTF, сохраняя их как специализированные облака точек с поддержкой векторов масштаба, кватернионов вращения, базовой радиации и коэффициентов сферических гармоник.
Данные сплатов можно процедурно модифицировать через ноды Geometry Nodes и визуализировать в реальном времени во всех движках: от предпросмотра в Workbench до финального рендеринга в EEVEE и Cycles. Базовый шейдер можно заменять на честный BSDF для физически корректного переосвещения (relighting).
Движок Cycles получил поддержку технологии DLSS 4.5 Ray Reconstruction для интерактивного шумоподавления во вьюпорте на видеокартах NVIDIA. За счет временного переиспользования сэмплов и нейросетевого апскейлинга юзеры получают отклик уровня EEVEE при точности трассировки лучей Cycles, что полностью устраняет мерцание кадров при проигрывании анимации. В шейдер Principled BSDF добавили честную дисперсию света по стандарту OpenPBR v1.1.1 и анизотропию шероховатости стекла.
В свою очередь EEVEE обзавелся нодами Material Lighting для точечного контроля реакции материалов на отдельные источники света и поддержкой панорамных камер Fisheye.
В ядре программы дебютировала опциональная система проектов (Projects), связывающая библиотеки ассетов, переменные пайплайна и конфигурации цвета в единый рабочий контекст за пределами одиночных .blend файлов.
Композитор обзавелся стеком эффектов с быстрым наложением Bloom и Chromatic Aberration без путаницы связей, получил 17 вычислительных нод и ускорение фильтра Anisotropic Kuwahara до 10 раз на чипах Apple Silicon.
Релиз дополнен булевым вырезанием Carver в Grease Pencil и полноценным фреймворком монтажа со сдвигом (ripple editing) в видеоредакторе VSE.
На итоге:
• Нативный пайплайн 3DGS: прямой импорт форматов PLY/SPZ/glTF, обработка в Geometry Nodes и рендеринг во всех движках
• Интерактивный DLSS 4.5 Ray Reconstruction: мгновенный денойз вьюпорта Cycles без стробирования при анимации
• Оптическое ядро: физическая дисперсия света OpenPBR, ноды Material Lighting в EEVEE и стек быстрых эффектов композитора
• Управление проектами: глобальный контекст ресурсов, распространение библиотек ассетов через платформу Extensions
@cgevent
1🔥28👍15❤3😁1
Media is too big
VIEW IN TELEGRAM
Смотрите, что делают взрослые мальчики с опытом кино- и пост-продакшна, когда им в руки попадает Опусянский (и без Павликов).
И это не очередное «напиши промпт и получи красивое видео». Здесь вообще нет ни одного AI-сгенерированного кадра.
Вместо этого подключил Опус 5.5 через MCP к Блендору и Нюку, использовал Худини, а для симуляции ветра, фонариков и листьев заставил Опусянского написать собственный физический движок на Python и NumPy.
Дальше Клод работал как настоящий VFX-супервайзер: определял композицию, силуэты, архитектуру, движение объектов, освещение и мельчайшие детали анимации.
Более 580 замечаний и корректировок. И ни одного ручного вмешательства в сцену. Всё управление происходило через диалог с Claude.
https://x.com/AlexPi194641/status/2120248196584648758
@cgevent
И это не очередное «напиши промпт и получи красивое видео». Здесь вообще нет ни одного AI-сгенерированного кадра.
Вместо этого подключил Опус 5.5 через MCP к Блендору и Нюку, использовал Худини, а для симуляции ветра, фонариков и листьев заставил Опусянского написать собственный физический движок на Python и NumPy.
Дальше Клод работал как настоящий VFX-супервайзер: определял композицию, силуэты, архитектуру, движение объектов, освещение и мельчайшие детали анимации.
Более 580 замечаний и корректировок. И ни одного ручного вмешательства в сцену. Всё управление происходило через диалог с Claude.
https://x.com/AlexPi194641/status/2120248196584648758
@cgevent
🔥108😱18😁8❤5👍1
This media is not supported in your browser
VIEW IN TELEGRAM
Для взрослых композеров: модель DAWN для кеинга и релайтинга волос (и не только).
Британский стартап PXLD бахнул базовую модель пространственной гармонизации DAWN (World Harmonisation Foundation Model), способную вкомпаживать реальные видеосъемки актеров в произвольные видео, 360-градусные панорамы и 3D-сцены с динамическим релайтом.
В то время как диффузионные видеогенераторы неизбежно перерисовывают сцену целиком, искажая лицо актера, мимику и оригинальную игру от кадра к кадру, архитектура DAWN работает по принципу полного сохранения исходника.
Система оставляет снятое видео нетронутым, изолирует персонажа и точно подстраивает геометрию и физику света под новое окружение без необходимости текстовых промптов, ручного ротоскопинга или 3D-трекинга.
В отличие от опенсорсного говна и палок надстроек, DAWN разработана как проприетарная базовая модель для кино. Она поддерживает исходники любого качества - от съемок на смартфон до сырых футажей с камер IMAX, не имеет ограничений по длительности дублей.
На итоге:
Запись в вейтлист тут:
pxld.ai
@cgevent
Британский стартап PXLD бахнул базовую модель пространственной гармонизации DAWN (World Harmonisation Foundation Model), способную вкомпаживать реальные видеосъемки актеров в произвольные видео, 360-градусные панорамы и 3D-сцены с динамическим релайтом.
В то время как диффузионные видеогенераторы неизбежно перерисовывают сцену целиком, искажая лицо актера, мимику и оригинальную игру от кадра к кадру, архитектура DAWN работает по принципу полного сохранения исходника.
Система оставляет снятое видео нетронутым, изолирует персонажа и точно подстраивает геометрию и физику света под новое окружение без необходимости текстовых промптов, ручного ротоскопинга или 3D-трекинга.
В отличие от опенсорсного говна и палок надстроек, DAWN разработана как проприетарная базовая модель для кино. Она поддерживает исходники любого качества - от съемок на смартфон до сырых футажей с камер IMAX, не имеет ограничений по длительности дублей.
На итоге:
• Субпиксельный маттинг: идеальное выделение сложнейших полупрозрачных текстур и волос в движении без ореолов
• Принцип нулевой деформации: сохранение оригинальной актерской игры и лица без нейросетевых морфингов
• Динамический релайтинг: автоматическая физическая подгонка источников света, теней и бликов под целевую сцену
• Кинематографический масштаб: обработка видео любого разрешения (от iPhone до IMAX) и неограниченного хронометража
Запись в вейтлист тут:
pxld.ai
@cgevent
❤24🔥17👍4👎1
Для тех, кто до сих пор сидит на маке. Эппле бахнула приложение Harbor: локальный сервер AI-инференса с объединением памяти Mac по Thunderbolt 5
Звучит очень прельстиво. Можно создать терабайты быстрой памяти.
Apple готовит к релизу нативное приложение Harbor для macOS, превращающее компы на чипах Apple Silicon в автономный сервер для запуска открытых сеток. Инструмент решает ключевое ограничение локального запуска - он позволяет объединять объединенную память нескольких Mac в общий пул через прямое кабельное подключение Thunderbolt 5.
Приложение ориентировано на работу без сложной серверной настройки или CLI-интерфейсов. Harbor автоматически обнаруживает подключенные компьютеры и за несколько минут конфигурирует распределенный кластер инференса. Каталог открытых весов интегрирован прямо в графическую оболочку: пользователь может в один клик искать, загружать и исполнять модели без использования терминала.
Главная архитектурная возможность Harbor - горизонтальное масштабирование унифицированной памяти (Unified Memory). При связке двух и более Mac с портами Thunderbolt 5 память суммируется, позволяя запускать тяжелые LLM и мультимодальные модели, которые физически не помещаются в память одного компьютера, либо обслуживать увеличенный поток параллельных запросов без потери скорости генерации. Закрытое тестирование проекта ведется под брендом дочерней структуры Claris.
На итоге:
Источники:
Отчет 9to5Mac о приложении Harbor
Утечка материалов и интерфейса от Aaron Perris
@cgevent
Звучит очень прельстиво. Можно создать терабайты быстрой памяти.
Apple готовит к релизу нативное приложение Harbor для macOS, превращающее компы на чипах Apple Silicon в автономный сервер для запуска открытых сеток. Инструмент решает ключевое ограничение локального запуска - он позволяет объединять объединенную память нескольких Mac в общий пул через прямое кабельное подключение Thunderbolt 5.
Приложение ориентировано на работу без сложной серверной настройки или CLI-интерфейсов. Harbor автоматически обнаруживает подключенные компьютеры и за несколько минут конфигурирует распределенный кластер инференса. Каталог открытых весов интегрирован прямо в графическую оболочку: пользователь может в один клик искать, загружать и исполнять модели без использования терминала.
Главная архитектурная возможность Harbor - горизонтальное масштабирование унифицированной памяти (Unified Memory). При связке двух и более Mac с портами Thunderbolt 5 память суммируется, позволяя запускать тяжелые LLM и мультимодальные модели, которые физически не помещаются в память одного компьютера, либо обслуживать увеличенный поток параллельных запросов без потери скорости генерации. Закрытое тестирование проекта ведется под брендом дочерней структуры Claris.
На итоге:
• Кластеризация по Thunderbolt 5: объединение унифицированной памяти нескольких Mac для запуска тяжелых моделей
• Zero-CLI настройка: автоматическое обнаружение устройств в сети и развертывание инференс-сервера за пару минут
• Встроенный менеджер весов: поиск, загрузка и исполнение open-weight моделей прямо внутри нативного GUI
• Приватность вычислений: полная локальная изоляция данных без передачи промптов или весов в облако
Источники:
Отчет 9to5Mac о приложении Harbor
Утечка материалов и интерфейса от Aaron Perris
@cgevent
🔥30👍3❤2👎1
Блендор или генерация?
Вчера писал: Скоро мы будем задаваться таким вопросом: Сиданский или Блендор+Astra\Fable\Carbon.
Нет.
Ни Блендора, ни Сиданского.
Чистый рафинированный Fable 5.2
Просто промпт:
Using any coding techniques you know, create a painting of light and shadow interwoven, highlighting the serene interplay of light and shadow on an afternoon. Strive for perfection and the ultimate.
И все.
Я тут давно приподвзвываю о том, что LLM-ки скоро станут такие умные, что заменят и 3D генераторы, и вот это вот всё. Но чтобы вот так в лоб...?
Ты просто говоришь, что хочешь, а он идет... Нет, не использовать уже имеющиеся средства как агент вчерашнего дня. Он идет писать эти инструменты и использовать их. То есть у нас такой одноразовый промпт и одноразовые инструменты. И решенная задача.
Павлик просто сделал вот такие одноразовые тулзы:
Трассировщик путей (path tracer), написанный с нуля на C++.
Солнце моделируется как настоящий диск, поэтому мягкость теней определяется геометрией источника света, а не читерским фильтром размытия теней.
Около 370 000 полигонов, полностью сгенерированных кодом(!!!): паркет ёлочкой, складки штор, каждый кленовый лист за окном.
Все материалы создаются процедурными функциями, включая даже небольшой принт на стене.
Скрипт на Python выполняет шумоподавление, колор-коррекцию и добавление зерна(за композеров?).
Автор-промптер зачем-то cложил это на GitHub. Но если складывать на GitHub все одноразовые инструменты, то GitHub может лопнуть. Они и так выросли в 20 раз по сторажу в этом году.
https://github.com/BubbleBrainBB/afternoon-light
@cgevent
Вчера писал: Скоро мы будем задаваться таким вопросом: Сиданский или Блендор+Astra\Fable\Carbon.
Нет.
Ни Блендора, ни Сиданского.
Чистый рафинированный Fable 5.2
Просто промпт:
Using any coding techniques you know, create a painting of light and shadow interwoven, highlighting the serene interplay of light and shadow on an afternoon. Strive for perfection and the ultimate.
И все.
Я тут давно приподвзвываю о том, что LLM-ки скоро станут такие умные, что заменят и 3D генераторы, и вот это вот всё. Но чтобы вот так в лоб...?
Ты просто говоришь, что хочешь, а он идет... Нет, не использовать уже имеющиеся средства как агент вчерашнего дня. Он идет писать эти инструменты и использовать их. То есть у нас такой одноразовый промпт и одноразовые инструменты. И решенная задача.
Павлик просто сделал вот такие одноразовые тулзы:
Трассировщик путей (path tracer), написанный с нуля на C++.
Солнце моделируется как настоящий диск, поэтому мягкость теней определяется геометрией источника света, а не читерским фильтром размытия теней.
Около 370 000 полигонов, полностью сгенерированных кодом(!!!): паркет ёлочкой, складки штор, каждый кленовый лист за окном.
Все материалы создаются процедурными функциями, включая даже небольшой принт на стене.
Скрипт на Python выполняет шумоподавление, колор-коррекцию и добавление зерна(за композеров?).
Автор-промптер зачем-то cложил это на GitHub. Но если складывать на GitHub все одноразовые инструменты, то GitHub может лопнуть. Они и так выросли в 20 раз по сторажу в этом году.
https://github.com/BubbleBrainBB/afternoon-light
@cgevent
❤28😁11🔥9😱1
This media is not supported in your browser
VIEW IN TELEGRAM
Еще один реалтаймовый аватар. И похоже годный.
Nuance Labs выкатила полнодуплексную аудиовизуальную модель Nuplex и аватар Emma
Американский стартап Nuance Labs, основанный бывшими исследователями Apple, бахнул базовую аудиовизуальную модель Nuplex 1.0 и запустил в открытый доступ интерактивного видеоаватара Emma, способного вести естественный диалог с человеком в реальном времени прямо в браузере.
Большинство существующих цифровых аватаров строятся по каскадному принципу рации (walkie-talkie): звук транскрибируется через STT, передается в LLM, озвучивается через TTS, после чего отдельная модель анимирует мимику губ.
Такая связка создает задержку в 1.5-3 секунды, из-за чего аватар замирает со стеклянным взглядом в ожидании конца реплики.
Nuplex устраняет эту прослойку, объединяя восприятие и генерацию аудио и видео в единую сквозную нейросеть: система непрерывно считывает тон, паузы и колебания в голосе собеседника и синхронно стримит реалистичную мимику и речь.
Ключевое отличие аватара Emma на базе Nuplex - способность одновременно слушать и реагировать. Модель способна кивать, улыбаться, подавать сигналы активного слушания («угу», «понятно») и менять выражение лица непосредственно в процессе речи пользователя, не дожидаясь паузы.
По результатам слепого бенчмарка Nuance Labs на выборке из 1785 тестовых вопросов, Nuplex сравнялся со скоростью реакции живого человека в 89% случаев.
Удивительно, но Emma доступна без регистрации и аккаунтов прямо в вебе, а для разработчиков компания открыла предварительный доступ к Nuplex Live API.
Запуск сопровожден маркетинговыми фильтрами безопасности: внешность лицензирована у реальной актрисы, потоки маркируются обязательными вотеермарками, а прямое клонирование лиц и голосов третьих лиц жестко заблокировано.
app.nuancelabs.ai
@cgevent
Nuance Labs выкатила полнодуплексную аудиовизуальную модель Nuplex и аватар Emma
Американский стартап Nuance Labs, основанный бывшими исследователями Apple, бахнул базовую аудиовизуальную модель Nuplex 1.0 и запустил в открытый доступ интерактивного видеоаватара Emma, способного вести естественный диалог с человеком в реальном времени прямо в браузере.
Большинство существующих цифровых аватаров строятся по каскадному принципу рации (walkie-talkie): звук транскрибируется через STT, передается в LLM, озвучивается через TTS, после чего отдельная модель анимирует мимику губ.
Такая связка создает задержку в 1.5-3 секунды, из-за чего аватар замирает со стеклянным взглядом в ожидании конца реплики.
Nuplex устраняет эту прослойку, объединяя восприятие и генерацию аудио и видео в единую сквозную нейросеть: система непрерывно считывает тон, паузы и колебания в голосе собеседника и синхронно стримит реалистичную мимику и речь.
Ключевое отличие аватара Emma на базе Nuplex - способность одновременно слушать и реагировать. Модель способна кивать, улыбаться, подавать сигналы активного слушания («угу», «понятно») и менять выражение лица непосредственно в процессе речи пользователя, не дожидаясь паузы.
По результатам слепого бенчмарка Nuance Labs на выборке из 1785 тестовых вопросов, Nuplex сравнялся со скоростью реакции живого человека в 89% случаев.
Удивительно, но Emma доступна без регистрации и аккаунтов прямо в вебе, а для разработчиков компания открыла предварительный доступ к Nuplex Live API.
Запуск сопровожден маркетинговыми фильтрами безопасности: внешность лицензирована у реальной актрисы, потоки маркируются обязательными вотеермарками, а прямое клонирование лиц и голосов третьих лиц жестко заблокировано.
app.nuancelabs.ai
@cgevent
1🔥13❤4👍2😱1
Alibaba бахнула Qwen4-Max-Preview: модель нового поколения с контекстом 1 млн токенов и встроенным режимом агента
Модель намекает на переход к новому семейству Qwen 4 и ориентирована на решение сложнейших задач кодинга, автономного агентного взаимодействия, верстки интерфейсов и глубокой аналитики.
Самим попробовать новую модель уже можно в Qwen Chat и через корпоративную подписку Alibaba Cloud Token Plan.
Модель получила гигантское контекстное окно объемом до 1 000 000 токенов (1M context). Лимит вывода расширен до 393 216 токенов, динамически распределяемых между скрытыми пошаговыми рассуждениями (chain-of-thought) и финальным ответом. Модель изначально построена как мультимодальная архитектура с нативной поддержкой текста, графики и видеопотока.
Наконец-то кто-то кроме картинок начал что-то понимать после Гугла.
На chat.qwen.ai модель подключена к специализированному режиму Agent Mode: он умеет самостоятельно декомпозировать задачи на подпункты, вызывать внешние инструменты и API, исполнять код в изолированном окружении, исправлять синтаксические ошибки и прототипировать интерактивные веб-интерфейсы. Архитектура специально натаскивалась на реальные инженерные сценарии: глубокий рефакторинг крупных кодовых баз, поиск уязвимостей и автоматизацию офисных процессов.
Для профессиональной разработки модель развернута в Alibaba Cloud Model Studio, а также интегрирована в среды Qoder и QwenWork.
Ждем Qwen 4 (Max, Plus, Flash)
На итоге:
Источники:
chat.qwen.ai
qwen.ai
alibabacloud.com
@cgevent
Модель намекает на переход к новому семейству Qwen 4 и ориентирована на решение сложнейших задач кодинга, автономного агентного взаимодействия, верстки интерфейсов и глубокой аналитики.
Самим попробовать новую модель уже можно в Qwen Chat и через корпоративную подписку Alibaba Cloud Token Plan.
Модель получила гигантское контекстное окно объемом до 1 000 000 токенов (1M context). Лимит вывода расширен до 393 216 токенов, динамически распределяемых между скрытыми пошаговыми рассуждениями (chain-of-thought) и финальным ответом. Модель изначально построена как мультимодальная архитектура с нативной поддержкой текста, графики и видеопотока.
Наконец-то кто-то кроме картинок начал что-то понимать после Гугла.
На chat.qwen.ai модель подключена к специализированному режиму Agent Mode: он умеет самостоятельно декомпозировать задачи на подпункты, вызывать внешние инструменты и API, исполнять код в изолированном окружении, исправлять синтаксические ошибки и прототипировать интерактивные веб-интерфейсы. Архитектура специально натаскивалась на реальные инженерные сценарии: глубокий рефакторинг крупных кодовых баз, поиск уязвимостей и автоматизацию офисных процессов.
Для профессиональной разработки модель развернута в Alibaba Cloud Model Studio, а также интегрирована в среды Qoder и QwenWork.
Ждем Qwen 4 (Max, Plus, Flash)
На итоге:
• Контекстное окно в 1 000 000 токенов и расширенный лимит генерации до 393K токенов
• Фокус на сложной разработке ПО: рефакторинг, исправление багов и сборка веб-интерфейсов
• Нативный агентный режим Agent Mode с вызовом инструментов и автономным планированием
• Сквозная мультимодальность: одновременный анализ текста, исходного кода, схем и видео
• Бесплатный тест в Qwen Chat (chat.qwen.ai) и API в Alibaba Cloud Token Plan
Источники:
chat.qwen.ai
qwen.ai
alibabacloud.com
@cgevent
🔥35❤4👎2
Media is too big
VIEW IN TELEGRAM
ComfyUI vs Higgsfield: Хроника троллинга и полный список проектов #OpenSourceHiggsfield
1. 10 ноября 2026 года команда @ComfyDevs подвела итоги двухнедельного открытого хакатона-флешмоба #OpenSourceHiggsfield.
• Масштаб: более 300 разработчиков из 45+ стран подали заявки с открытыми решениями, полностью реплицирующими и превосходящими платный функционал закрытой платформы Higgsfield.
• Build Nights: три офлайн-хакатона в Сан-Франциско, Лос-Анджелесе и Нью-Йорке.
• Спонсоры: главный призовой фонд предоставил RunPod (видеокарты NVIDIA RTX 5090 и денежные гранты), спецпризы выделили Lightricks (LTX), Black Forest Labs (FLUX) и MiniMax AI.
2. История конфликта: как ComfyUI троллила Higgsfield
• Предыстория: Стартап Higgsfield AI позиционировал свои продукты (Cinema Studio, Genjutsu) как революцию для видеомейкеров и публично обещал открыть технологии, но оставался жестко закрытым сервисом с платной подпиской и токенами.
• Челлендж ComfyUI: Сооснователь Comfy Org Йоланд Ян (Yoland Yan) объявил открытый вызов #OpenSourceHiggsfield: доказать, что любые закрытые коммерческие функции можно сделать локально, бесплатно и на открытых весах внутри ComfyUI.
• Юридический ультиматум: 29 октября юристы Higgsfield направили ComfyUI досудебное требование (48-hour Cease-and-Desist letter) под угрозой суда за нарушение товарного знака (Lanham Act) и неправомерное использование образа Алекса Машрабова, потребовав снести сайт и хэштег. Алекса убрали с видео (см выше).
• Эффект Стрейзанд: ComfyUI публично выложила письмо в X с ответом: «Одно письмо ничего не изменит. Открытый код победит». Попытка закрыть хакатон вызвала взрывную реакцию индустрии, превратившись в массовый краудсорсинг-реверс-инжиниринг всех продуктов Higgsfield.
3. Главные победители конкурса
• ComfyUI Panorama Stickers (автор: @nomadoor) - Best Overall ($10,000)
Сквозной набор нод для размещения 2D-картинок, видео и 3D в панораме 360° со съемкой с любой точки обзора, диффузионным инпейнтингом и возвратом в 3D-сцену.
• Blocksfield (автор: @SquaredCubeRBX) - Most Innovative (RTX 5090)
Генератор игр для Roblox: локальная 27B-модель создает код и структуру в Roblox Studio, а ComfyUI генерирует текстуры, пропсы и музыку на одном RTX 5090.
• Imagination Studio (авторы: @SamJWasserman & @u1tra_instinct) - Most Viral (RTX 5090)
Киностудия на движке TensorFold с режиссерским планированием сцен (воркфлоу Slate), рендерингом кадров через Qwen-Image-2.1 / FLUX и видео со звуком через MiniMax H3.
• Paint a Plate (автор: @AInVFX) - Open Weights Only (RTX 5090 + $2,000 от LTX)
Пакет нод для рисования на первом кадре VFX-плейта (удаление объектов, переосвещение, добавление дыма и огня) с автоматическим переносом на все видео без артефактов.
1. 10 ноября 2026 года команда @ComfyDevs подвела итоги двухнедельного открытого хакатона-флешмоба #OpenSourceHiggsfield.
• Масштаб: более 300 разработчиков из 45+ стран подали заявки с открытыми решениями, полностью реплицирующими и превосходящими платный функционал закрытой платформы Higgsfield.
• Build Nights: три офлайн-хакатона в Сан-Франциско, Лос-Анджелесе и Нью-Йорке.
• Спонсоры: главный призовой фонд предоставил RunPod (видеокарты NVIDIA RTX 5090 и денежные гранты), спецпризы выделили Lightricks (LTX), Black Forest Labs (FLUX) и MiniMax AI.
2. История конфликта: как ComfyUI троллила Higgsfield
• Предыстория: Стартап Higgsfield AI позиционировал свои продукты (Cinema Studio, Genjutsu) как революцию для видеомейкеров и публично обещал открыть технологии, но оставался жестко закрытым сервисом с платной подпиской и токенами.
• Челлендж ComfyUI: Сооснователь Comfy Org Йоланд Ян (Yoland Yan) объявил открытый вызов #OpenSourceHiggsfield: доказать, что любые закрытые коммерческие функции можно сделать локально, бесплатно и на открытых весах внутри ComfyUI.
• Юридический ультиматум: 29 октября юристы Higgsfield направили ComfyUI досудебное требование (48-hour Cease-and-Desist letter) под угрозой суда за нарушение товарного знака (Lanham Act) и неправомерное использование образа Алекса Машрабова, потребовав снести сайт и хэштег. Алекса убрали с видео (см выше).
• Эффект Стрейзанд: ComfyUI публично выложила письмо в X с ответом: «Одно письмо ничего не изменит. Открытый код победит». Попытка закрыть хакатон вызвала взрывную реакцию индустрии, превратившись в массовый краудсорсинг-реверс-инжиниринг всех продуктов Higgsfield.
3. Главные победители конкурса
• ComfyUI Panorama Stickers (автор: @nomadoor) - Best Overall ($10,000)
Сквозной набор нод для размещения 2D-картинок, видео и 3D в панораме 360° со съемкой с любой точки обзора, диффузионным инпейнтингом и возвратом в 3D-сцену.
• Blocksfield (автор: @SquaredCubeRBX) - Most Innovative (RTX 5090)
Генератор игр для Roblox: локальная 27B-модель создает код и структуру в Roblox Studio, а ComfyUI генерирует текстуры, пропсы и музыку на одном RTX 5090.
• Imagination Studio (авторы: @SamJWasserman & @u1tra_instinct) - Most Viral (RTX 5090)
Киностудия на движке TensorFold с режиссерским планированием сцен (воркфлоу Slate), рендерингом кадров через Qwen-Image-2.1 / FLUX и видео со звуком через MiniMax H3.
• Paint a Plate (автор: @AInVFX) - Open Weights Only (RTX 5090 + $2,000 от LTX)
Пакет нод для рисования на первом кадре VFX-плейта (удаление объектов, переосвещение, добавление дыма и огня) с автоматическим переносом на все видео без артефактов.
1🔥22❤7👍2
4. Победители партнерских номинаций (FLUX, LTX, MiniMax)
• ComfyArt (автор: @jtydhr88) - $1,000 FLUX API credits
Открытый локальный бесконечный графический холст и дизайнерский редактор на базе FLUX.
• Creativefield (автор: @rhymeas) - $500 FLUX API credits
Прямой открытый аналог Higgsfield: анимация ключевых кадров, превращение серых драфтов (grey-box) в готовые сцены, замена персонажей, 3D и редактор FotoField.
• Genobi (автор: Radek Rudnicki) - $250 FLUX API credits
Голосовая открытая генеративная студия с управлением через естественные речевые команды режиссера.
• H3 Motion (автор: @PxTicks) - $1,000 MiniMax H3 credits
Выделение объектов на фото кликом (SAM 3.1 + Qwen3-VL), чистое удаление фона и перемещение по ключевым траекториям через MiniMax H3 с синхронным звуком.
5. Почетные призеры (Honorable Mentions)
• Reshoot 4D (автор: @itsmetamike) - 4D-видеоредактор для свободного изменения траектории камеры в готовом видеопотоке на открытых весах.
• ComfyUI-OneShotMV (автор: @VisualFrisson) - автоматическое создание музыкального клипа с синхронизацией губ (lip-sync) из одного аудиофайла и строки описания.
• Freefield (автор: @neuregex) - точный клон студии Higgsfield (46 приложений в Create, Edit, Motion control) для локального запуска на ComfyUI или Modal.
• ComfyUI-SpEdE (автор: @TheBurgstall) - Splat Edit Engine: интерактивный редактор 3D Gaussian Splats прямо в ComfyUI (удаление, замена и извлечение объектов сплэта).
• ComfyUI-Sonder-Editor (автор: @SonderSaid) - видеоредактор с таймлайном, сценами, галереей ассетов, дублями и ключевыми кадрами для монтажа длинных видео.
• EDITS-WITH-AI (автор: @xentome) - локальный монтажный инструмент для музыкальных видеоклипов с помощью MiniMax H3 и локальных LLM.
• Henge (автор: @Alissonerdx) - студия переноса движения (motion transfer) и подмены видео с использованием направляющих скрытых пространств MiniMax H3.
• H3-AudioRetake-studio (автор: @nebsh83) - локальная студия переозвучки, коррекции аудиоряда и повторного липсинка для генераций MiniMax H3.
Официальная страница итогов: comfy.org/open-source-higgsfield
@cgevent
• ComfyArt (автор: @jtydhr88) - $1,000 FLUX API credits
Открытый локальный бесконечный графический холст и дизайнерский редактор на базе FLUX.
• Creativefield (автор: @rhymeas) - $500 FLUX API credits
Прямой открытый аналог Higgsfield: анимация ключевых кадров, превращение серых драфтов (grey-box) в готовые сцены, замена персонажей, 3D и редактор FotoField.
• Genobi (автор: Radek Rudnicki) - $250 FLUX API credits
Голосовая открытая генеративная студия с управлением через естественные речевые команды режиссера.
• H3 Motion (автор: @PxTicks) - $1,000 MiniMax H3 credits
Выделение объектов на фото кликом (SAM 3.1 + Qwen3-VL), чистое удаление фона и перемещение по ключевым траекториям через MiniMax H3 с синхронным звуком.
5. Почетные призеры (Honorable Mentions)
• Reshoot 4D (автор: @itsmetamike) - 4D-видеоредактор для свободного изменения траектории камеры в готовом видеопотоке на открытых весах.
• ComfyUI-OneShotMV (автор: @VisualFrisson) - автоматическое создание музыкального клипа с синхронизацией губ (lip-sync) из одного аудиофайла и строки описания.
• Freefield (автор: @neuregex) - точный клон студии Higgsfield (46 приложений в Create, Edit, Motion control) для локального запуска на ComfyUI или Modal.
• ComfyUI-SpEdE (автор: @TheBurgstall) - Splat Edit Engine: интерактивный редактор 3D Gaussian Splats прямо в ComfyUI (удаление, замена и извлечение объектов сплэта).
• ComfyUI-Sonder-Editor (автор: @SonderSaid) - видеоредактор с таймлайном, сценами, галереей ассетов, дублями и ключевыми кадрами для монтажа длинных видео.
• EDITS-WITH-AI (автор: @xentome) - локальный монтажный инструмент для музыкальных видеоклипов с помощью MiniMax H3 и локальных LLM.
• Henge (автор: @Alissonerdx) - студия переноса движения (motion transfer) и подмены видео с использованием направляющих скрытых пространств MiniMax H3.
• H3-AudioRetake-studio (автор: @nebsh83) - локальная студия переозвучки, коррекции аудиоряда и повторного липсинка для генераций MiniMax H3.
Официальная страница итогов: comfy.org/open-source-higgsfield
@cgevent
🔥28❤4👍3
Stripe пожрал OpenRouter. Теперь ему мало денег, он хочет ещё и токены.
10 ноября Stripe официально завершила поглощение OpenRouter. Соглашение о покупке объявили ещё 19 августа, но теперь сделка закрыта.
Для тех, кто в танке: OpenRouter - один из крупнейших агрегаторов AI-моделей. Один API даёт доступ к более чем 400 моделям от 80+ провайдеров, включая OpenAI, Anthropic, Google и других.
По данным самой OpenRouter, платформой пользуются более 10 миллионов разработчиков и компаний, а через неё проходит свыше 10 триллионов токенов ежедневно.
Зачем Страйпу понадобился OpenRouter?
На мой взгляд, Stripe покупает не столько технологию, сколько место в будущей экономике ИИ.
Во-первых, деньги. Stripe уже умеет принимать платежи, выставлять счета и рассчитывать стоимость использования сервисов. Теперь к этому добавляется маршрутизация запросов между нейросетями. Клиенту можно предложить всё сразу: доступ к моделям, оптимизацию расходов и биллинг.
Во-вторых, контроль над расходами на AI. Когда компания использует десятки моделей, выбор между ними становится экономической задачей. Где дешевле? Где быстрее? Какая модель лучше справится с конкретным запросом? Stripe хочет стать инфраструктурой, которая помогает принимать эти решения. А экспертизы у них пока ноль.
В-третьих,ИИ-агенты. Если автономные агенты будут выполнять миллиарды операций, кому-то придётся учитывать каждый потраченный токен, проводить платежи и управлять бюджетами. Stripe явно рассчитывает занять это место.
И наконец, данные о рынке. OpenRouter видит, какие модели выбирают разработчики, как меняется спрос и сколько стоит инференс. Для Stripe это потенциально чрезвычайно ценная рыночная аналитика.
А теперь самое нарядное.
OpenRouter торжественно обещает сохранить нейтральность: модели и провайдеры продолжат конкурировать по качеству, надёжности и цене. Название, продукт и существующие интеграции тоже обещают сохранить.
То есть всё останется независимым и нейтральным. Просто теперь у этой независимости есть барин.
https://stripe.com/newsroom/news/stripe-agrees-to-acquire-openrouter
@cgevent
10 ноября Stripe официально завершила поглощение OpenRouter. Соглашение о покупке объявили ещё 19 августа, но теперь сделка закрыта.
Для тех, кто в танке: OpenRouter - один из крупнейших агрегаторов AI-моделей. Один API даёт доступ к более чем 400 моделям от 80+ провайдеров, включая OpenAI, Anthropic, Google и других.
По данным самой OpenRouter, платформой пользуются более 10 миллионов разработчиков и компаний, а через неё проходит свыше 10 триллионов токенов ежедневно.
Зачем Страйпу понадобился OpenRouter?
На мой взгляд, Stripe покупает не столько технологию, сколько место в будущей экономике ИИ.
Во-первых, деньги. Stripe уже умеет принимать платежи, выставлять счета и рассчитывать стоимость использования сервисов. Теперь к этому добавляется маршрутизация запросов между нейросетями. Клиенту можно предложить всё сразу: доступ к моделям, оптимизацию расходов и биллинг.
Во-вторых, контроль над расходами на AI. Когда компания использует десятки моделей, выбор между ними становится экономической задачей. Где дешевле? Где быстрее? Какая модель лучше справится с конкретным запросом? Stripe хочет стать инфраструктурой, которая помогает принимать эти решения. А экспертизы у них пока ноль.
В-третьих,ИИ-агенты. Если автономные агенты будут выполнять миллиарды операций, кому-то придётся учитывать каждый потраченный токен, проводить платежи и управлять бюджетами. Stripe явно рассчитывает занять это место.
И наконец, данные о рынке. OpenRouter видит, какие модели выбирают разработчики, как меняется спрос и сколько стоит инференс. Для Stripe это потенциально чрезвычайно ценная рыночная аналитика.
А теперь самое нарядное.
OpenRouter торжественно обещает сохранить нейтральность: модели и провайдеры продолжат конкурировать по качеству, надёжности и цене. Название, продукт и существующие интеграции тоже обещают сохранить.
То есть всё останется независимым и нейтральным. Просто теперь у этой независимости есть барин.
https://stripe.com/newsroom/news/stripe-agrees-to-acquire-openrouter
@cgevent
😱21👍6❤3
This media is not supported in your browser
VIEW IN TELEGRAM
Spaghetti Splatting: строгое обобщение 3DGS на криволинейные структуры и физическую симуляцию
Интересная работа на стыке дифференцируемого рендеринга и физики под названием Spaghetti Splatting. Метод является строгим математическим обобщением 3D Gaussian Splatting: классический 3DGS рассматривается как частный случай вырожденной кривой нулевой длины, тогда как новый подход расширяет точечные массы Дирака до непрерывных линий и пространственных волокон.
Spaghetti Splatting превосходит специализированные методы на сценах с нитевидной геометрией (волосы, провода, растительность, сетки) и нативно решает проблему сглаживания (anti-aliasing). Главное прикладное преимущество - непрерывность полученных нитей: в отличие от разрозненных точечных облаков 3DGS, длинные связанные структуры Spaghetti Splatting сразу пригодны для прямой физической симуляции динамики волос и тканей.
На итоге:
Источники:
Страница проекта Spaghetti Splatting
Научная статья на arXiv (2611.12716)
@cgevent
Интересная работа на стыке дифференцируемого рендеринга и физики под названием Spaghetti Splatting. Метод является строгим математическим обобщением 3D Gaussian Splatting: классический 3DGS рассматривается как частный случай вырожденной кривой нулевой длины, тогда как новый подход расширяет точечные массы Дирака до непрерывных линий и пространственных волокон.
Spaghetti Splatting превосходит специализированные методы на сценах с нитевидной геометрией (волосы, провода, растительность, сетки) и нативно решает проблему сглаживания (anti-aliasing). Главное прикладное преимущество - непрерывность полученных нитей: в отличие от разрозненных точечных облаков 3DGS, длинные связанные структуры Spaghetti Splatting сразу пригодны для прямой физической симуляции динамики волос и тканей.
На итоге:
• Строгое надмножество 3DGS: переход от точечных масс Дирака к непрерывным криволинейным сегментам
• Линеаризация проекции камеры и поддержка бета-ядер для ускоренного рендеринга
• Встроенный антиалиасинг и превосходство над аналогами на волосах, проводах и растительности
• Прямая интеграция в физические симуляторы динамики деформируемых нитей и тканей
Источники:
Страница проекта Spaghetti Splatting
Научная статья на arXiv (2611.12716)
@cgevent
🔥11😁10
This media is not supported in your browser
VIEW IN TELEGRAM
Приподустал, песал новости, тестил Минимаксину с картинками, ваял колаб-ноут для нее.
Ща бахну пражарачку и по пивасику с девасиками. Я не Хуанг, мне можно.
@cgevent
Ща бахну пражарачку и по пивасику с девасиками. Я не Хуанг, мне можно.
@cgevent
👍26😁21❤6👎3
Media is too big
VIEW IN TELEGRAM
#Нейропрожарка
Конченые козырьки — «В расчёте» (финальная перестрелка)
Автор: @Maf1k3
💡 Как всё началось: это мой первый проект в ИИ вообще — занимаюсь этим буквально пару недель. Гангстерский сериал в духе Гая Ричи, где главные герои я и мои друзья. Первые серии были чистым приколом — весёлый набор картинок почти без сюжета. Ближе к концу захотелось нормального кино: начал детально продумывать историю и мотивацию героев, и сериал постепенно ушёл в более драматичную и серьёзную сторону. Эта перестрелка — кульминация финальной, 5-й серии.
🎬 Сцена: разборка с Доном на подземной парковке. Одна неверно понятая фраза — и мой герой выхватывает ствол. Слоу-мо перестрелка под «Time in a Bottle»: хотелось эпично и грустно одновременно.
🧩 Как работал: идеи и сюжет сцен продумывал вместе с ChatGPT. Дальше закидывал это в Claude, он у меня был техническим директором: предлагал постановку каждого шота, а я докручивал её под своё видение. Весь промпт-инжиниринг для Seedance тоже делал Claude, и справлялся охрененно.
💸 Почему Seedance: всю серию генерил в MiniMax H3, но историю хотелось закончить красиво, с нормально поставленной перестрелкой. Пришлось раскошелиться и сделать её целиком в Seedance.
🔎 Инструменты:
• Видео: Seedance 2.5 через Hedra
• Кадры-референсы: Seedream 5.0 Pro
• Промпты для Seedream: написал под ChatGPT скилл, который генерит их в моём стиле
• Монтаж: DaVinci Resolve
• Звук: все саунд-эффекты сгенерил Seedance, музыка — Jim Croce, «Time in a Bottle»
🧠 Что понял про Seedance:
• Лица реальных людей ни разу не запорол, держит их даже в 480p. Сцена в основном на крупных планах, суперобщих почти нет
• Отлично передаёт атмосферу и эмоции из промпта. Есть шот со snorricam на Ване, где нужно было показать его страх и непонимание происходящего, — сделал идеально почти с первого раза
• Вообще почти всё получалось с первого раза
• Каждый шот расписывал по секундам: камера, движение, слоу-мо, что в расфокусе
• Длинный экшен одним дублем без склеек он путает — только отдельные шоты с жёсткими склейками, для каждого указана длительность и тип перехода
• Если не прописать, где стоит камера и как движется, копирует ракурс референса
• Лишние стоп-кадры в референсах читает как первый кадр — расположение героев в пространстве лучше описывать текстом
• Каждого персонажа в промпте — отдельной строкой с тегом и ролью, так лица держатся лучше
• Длинные генерации выходили неидеальными, поэтому часто просто вырезал из них удачные куски
• 2.0 vs 2.5: первую сцену сделал в 2.0, разницы почти не увидел, а в Hedra 2.5 в 480p оказался даже дешевле — дальше всё в нём
📺 480p vs 720p: изначально планировал генерить в 720p, а 480p делал как драфты. Но драфты выглядели настолько прилично, что смысла переделывать не увидел — так почти вся сцена и осталась в 480p, только пара шотов в 720p.
⏱️ Генерация сцены + монтаж: около 4 часов
💸 Потрачено: ~6–7 тыс. кредитов Hedra (≈$40)
📌 Итог: начинал по приколу, закончил всерьёз. Seedance 2.5 дико порадовал: постановка кадра, работа по промпту, визуал, экшен, динамика — не придраться. Честно, теперь не представляю, как возвращаться к другим моделям.
@cgevent
Конченые козырьки — «В расчёте» (финальная перестрелка)
Автор: @Maf1k3
💡 Как всё началось: это мой первый проект в ИИ вообще — занимаюсь этим буквально пару недель. Гангстерский сериал в духе Гая Ричи, где главные герои я и мои друзья. Первые серии были чистым приколом — весёлый набор картинок почти без сюжета. Ближе к концу захотелось нормального кино: начал детально продумывать историю и мотивацию героев, и сериал постепенно ушёл в более драматичную и серьёзную сторону. Эта перестрелка — кульминация финальной, 5-й серии.
🎬 Сцена: разборка с Доном на подземной парковке. Одна неверно понятая фраза — и мой герой выхватывает ствол. Слоу-мо перестрелка под «Time in a Bottle»: хотелось эпично и грустно одновременно.
🧩 Как работал: идеи и сюжет сцен продумывал вместе с ChatGPT. Дальше закидывал это в Claude, он у меня был техническим директором: предлагал постановку каждого шота, а я докручивал её под своё видение. Весь промпт-инжиниринг для Seedance тоже делал Claude, и справлялся охрененно.
💸 Почему Seedance: всю серию генерил в MiniMax H3, но историю хотелось закончить красиво, с нормально поставленной перестрелкой. Пришлось раскошелиться и сделать её целиком в Seedance.
🔎 Инструменты:
• Видео: Seedance 2.5 через Hedra
• Кадры-референсы: Seedream 5.0 Pro
• Промпты для Seedream: написал под ChatGPT скилл, который генерит их в моём стиле
• Монтаж: DaVinci Resolve
• Звук: все саунд-эффекты сгенерил Seedance, музыка — Jim Croce, «Time in a Bottle»
🧠 Что понял про Seedance:
• Лица реальных людей ни разу не запорол, держит их даже в 480p. Сцена в основном на крупных планах, суперобщих почти нет
• Отлично передаёт атмосферу и эмоции из промпта. Есть шот со snorricam на Ване, где нужно было показать его страх и непонимание происходящего, — сделал идеально почти с первого раза
• Вообще почти всё получалось с первого раза
• Каждый шот расписывал по секундам: камера, движение, слоу-мо, что в расфокусе
• Длинный экшен одним дублем без склеек он путает — только отдельные шоты с жёсткими склейками, для каждого указана длительность и тип перехода
• Если не прописать, где стоит камера и как движется, копирует ракурс референса
• Лишние стоп-кадры в референсах читает как первый кадр — расположение героев в пространстве лучше описывать текстом
• Каждого персонажа в промпте — отдельной строкой с тегом и ролью, так лица держатся лучше
• Длинные генерации выходили неидеальными, поэтому часто просто вырезал из них удачные куски
• 2.0 vs 2.5: первую сцену сделал в 2.0, разницы почти не увидел, а в Hedra 2.5 в 480p оказался даже дешевле — дальше всё в нём
📺 480p vs 720p: изначально планировал генерить в 720p, а 480p делал как драфты. Но драфты выглядели настолько прилично, что смысла переделывать не увидел — так почти вся сцена и осталась в 480p, только пара шотов в 720p.
⏱️ Генерация сцены + монтаж: около 4 часов
💸 Потрачено: ~6–7 тыс. кредитов Hedra (≈$40)
📌 Итог: начинал по приколу, закончил всерьёз. Seedance 2.5 дико порадовал: постановка кадра, работа по промпту, визуал, экшен, динамика — не придраться. Честно, теперь не представляю, как возвращаться к другим моделям.
@cgevent
👎47👍19🔥10❤2
This media is not supported in your browser
VIEW IN TELEGRAM
BytePlus бахнула Dreamina Seedance 2.5 Flash
4K бахнули ещё 23 октября. Вчера просто раскатали по всем агрегаторам апи.
@cgevent
• Генерация видео почти в 2 раза быстрее флагманской Seedance 2.5 при сопоставимом визуальном качестве
• Мультимодальный референсный стек: одновременная подача до 10 картинок, 5 видео и 5 аудиодорожек
• Непрерывная генерация роликов длительностью до 30 секунд в 480p и 720p
• Стоимость 720p-инференса $0.152 за секунду (снижение цены на ~34%)
• Запуск публичного API на платформе BytePlus ModelArk 15 ноября
4K бахнули ещё 23 октября. Вчера просто раскатали по всем агрегаторам апи.
@cgevent
🔥34❤9👎2
Google бахнула свой Джев: Gemini Decision 1 для быстрой оценки решений по цене 10 центов за миллион токенов
Это классификатор. Аналог Jev, и аналог решений от Cloudflare, OpenAI и так далее. Но никто не пишет, что в отличие от вышеупомянутых, оно умеет обрабатывать видео. Вот тут поглядите видео с анализом видео.
А модели Google, начиная с Flash, ну очень хороши в понимании чистого видео без анализа субтитров или аудиодорожки.
Модель получила нативную мультимодальность и окно контекста в 256 000 токенов. В качестве входных данных поддерживаются текстовые массивы, изображения высокого разрешения, аудиозаписи, видеопотоки и многостраничные PDF-документы. В тестах Google архитектура превзошла Jev 1 от TypeSafe как по точности классификации сложных пограничных случаев, так и по устойчивости к ложным срабатываниям в задачах модерации и комплаенса.
Ценовая политика в $0.10 за миллион токенов без скрытых комиссий и надбавок за мультимодальность делает Decisions API самым доступным промышленным решением для потокового аудита контента.
Доступ к модели уже открыт в Google AI Studio и через публичный Gemini API.
На итоге:
https://blog.google/innovation-and-ai/technology/developers-tools/gemini-decisions-api/
@cgevent
Это классификатор. Аналог Jev, и аналог решений от Cloudflare, OpenAI и так далее. Но никто не пишет, что в отличие от вышеупомянутых, оно умеет обрабатывать видео. Вот тут поглядите видео с анализом видео.
А модели Google, начиная с Flash, ну очень хороши в понимании чистого видео без анализа субтитров или аудиодорожки.
Модель получила нативную мультимодальность и окно контекста в 256 000 токенов. В качестве входных данных поддерживаются текстовые массивы, изображения высокого разрешения, аудиозаписи, видеопотоки и многостраничные PDF-документы. В тестах Google архитектура превзошла Jev 1 от TypeSafe как по точности классификации сложных пограничных случаев, так и по устойчивости к ложным срабатываниям в задачах модерации и комплаенса.
Ценовая политика в $0.10 за миллион токенов без скрытых комиссий и надбавок за мультимодальность делает Decisions API самым доступным промышленным решением для потокового аудита контента.
Доступ к модели уже открыт в Google AI Studio и через публичный Gemini API.
На итоге:
• Пакетная обработка до 1000 вопросов за раз: параллельная калиброванная оценка решений в едином запросе
• Мультимодальное окно 256K токенов: нативный анализ текста, изображений, аудио, видео и многостраничных PDF
• Тариф $0.10 за 1M входных токенов: десятикратное снижение затрат по сравнению с универсальными frontier-моделями
• Мгновенный старт: интеграция в Google AI Studio, готовые веб-демо и публичная документация в Gemini API
https://blog.google/innovation-and-ai/technology/developers-tools/gemini-decisions-api/
@cgevent
❤8🔥6
Media is too big
VIEW IN TELEGRAM
Luma AI бахнула Character Swap для замены персонажей и объектов в готовом видео
Character Swap & Insert - это фича для видеогенератора их Dream Machine
Помимо замены элементов, фича поддерживает режим Insert для добавления новых объектов на пустые участки видеопотока, а также удаление лишних фигур из кадра. Функция уже доступна в вебе на Luma Dream Machine и интегрирована в официальный плагин Luma MCP для управления через чат-ботов.
app.lumalabs.ai
@cgevent
Character Swap & Insert - это фича для видеогенератора их Dream Machine
Помимо замены элементов, фича поддерживает режим Insert для добавления новых объектов на пустые участки видеопотока, а также удаление лишних фигур из кадра. Функция уже доступна в вебе на Luma Dream Machine и интегрирована в официальный плагин Luma MCP для управления через чат-ботов.
app.lumalabs.ai
@cgevent
1🔥7👍4❤1
Zyphra бахнула открытую модель Zonos3-Mini: 100M-генератор речи с клонированием голоса на 43 языках и работой в браузере
Zonos3-Mini - поддержка высокоточного клонирования голоса по короткому аудиосэмплу, способный работать в реальном времени на смартфонах и ноутбуках прямо внутри браузера через WebGPU. Русский есть? Да.
Несмотря на компактный размер всего в 100 млн активных параметров, Zonos3-Mini реализует гранулярное акустическое управление голосовыми характеристиками. Пользователи могут на лету моделировать возраст спикера, акцент, тембральную окраску и эмоциональный окрас, а также управлять темпом и интонационными ударениями вплоть до отдельных слов. Система обеспечивает естественное звучание без металлического роботизированного призвука, характерного для легковесных моделей.
Архитектура поддерживает 43 языка из коробки, включая русский, английский, испанский, китайский, японский, арабский и ключевые европейские и азиатские наречия. Ключевым нарядным достижением релиза стала полная кроссплатформенная автономия: Zonos3-Mini компилируется под стандарты GGUF и Safetensors, а также нативно исполняется на локальном GPU через WebGPU без необходимости установки Python, CUDA или обращения к серверным API.
Открытые веса модели выложены на Hugging Face, исходный код и веб-рантайм опубликованы в репозитории проекта, а для высоконагруженных продакшн-систем инженерам доступен бессерверный инференс через платформу Zyphra Cloud.
На итоге:
Источники:
huggingface.co
zyphra.com
cloud.zyphra.com
@cgevent
Zonos3-Mini - поддержка высокоточного клонирования голоса по короткому аудиосэмплу, способный работать в реальном времени на смартфонах и ноутбуках прямо внутри браузера через WebGPU. Русский есть? Да.
Несмотря на компактный размер всего в 100 млн активных параметров, Zonos3-Mini реализует гранулярное акустическое управление голосовыми характеристиками. Пользователи могут на лету моделировать возраст спикера, акцент, тембральную окраску и эмоциональный окрас, а также управлять темпом и интонационными ударениями вплоть до отдельных слов. Система обеспечивает естественное звучание без металлического роботизированного призвука, характерного для легковесных моделей.
Архитектура поддерживает 43 языка из коробки, включая русский, английский, испанский, китайский, японский, арабский и ключевые европейские и азиатские наречия. Ключевым нарядным достижением релиза стала полная кроссплатформенная автономия: Zonos3-Mini компилируется под стандарты GGUF и Safetensors, а также нативно исполняется на локальном GPU через WebGPU без необходимости установки Python, CUDA или обращения к серверным API.
Открытые веса модели выложены на Hugging Face, исходный код и веб-рантайм опубликованы в репозитории проекта, а для высоконагруженных продакшн-систем инженерам доступен бессерверный инференс через платформу Zyphra Cloud.
На итоге:
• Компактные 100M параметров: инференс речи в реальном времени на мобильных процессорах и потребительских видеокартах
• Нативный запуск через WebGPU: генерация аудио и клонирование голоса прямо во вкладке браузера без сервера
• Поддержка 43 языков: качественный многоязычный синтез с точным сохранением акцентов и естественных интонаций
• Полный Open Source под Apache 2.0: открытые чекпоинты на Hugging Face и готовые квантования GGUF
Источники:
huggingface.co
zyphra.com
cloud.zyphra.com
@cgevent
🔥11👍6❤1
Media is too big
VIEW IN TELEGRAM
NVIDIA Research бахнула открытую модель Déjà View для трехмерной реконструкции по неразмеченным фотографиям
Держите, опенсорсеры и метаверсеры.
NVIDIA, ETH Zurich и Университета Торонто выложили в открытый доступ модель и кодовую базу Déjà View (DVLT - Looping Transformers for Multi-View 3D Reconstruction). Архитектура решает фундаментальную задачу Structure-from-Motion (SfM) и плотной 3D-реконструкции: по неупорядоченному набору RGB-снимков или видеоряду нейросеть одновременно восстанавливает 3D-геометрию сцены, карту глубин и точные позиции камер (внешние и внутренние параметры).
Главный прорыв Déjà View заключается в кардинальном пересмотре вычислительной парадигмы. Современные трансформеры прямой подачи для 3D-реконструкции (VGGT, Depth Anything 3, MapAnything, Pi3) разрастаются до миллиардов параметров, выполняя на разных слоях однотипные итеративные операции уточнения. Авторы Déjà View заменили глубокий стек уникальных слоев рекуррентным циклическим блоком трансформера (weight-tied transformer block) с разделяемыми весами, совмещающим покадровое и глобальное внимание с дискретной индексацией глубин.
В результате размер модели сократился всего до 117 млн параметров - это почти на порядок меньше конкурирующих моделей (в 8-10 раз компактнее базовых сетей). Несмотря на компактный объем, Déjà View на равных конкурирует или превосходит тяжелые 1B+ трансформеры на пяти признанных бенчмарках трехмерной реконструкции (включая ScanNet++, интерьерные и уличные сцены), требуя сопоставимого или значительно меньшего объема вычислений.
Циклическая природа архитектуры превратила число шагов рекуррентного прогона K в непрерывный регулятор вычислений (inference-time compute knob) прямо на этапе инференса. Модель обучается один раз, после чего разработчик может динамически варьировать число шагов K без необходимости переобучения или подгрузки отдельных чекпоинтов: от минимальных K для быстрого потокового трекинга в реальном времени до углубленного прогона (K=12..16) для субмиллиметровой резкости геометрии и прецизионной калибровки камер.
NVIDIA полностью открыла исходный код, пайплайн предобработки, скрипты визуализации на базе Rerun и веса модели nvidia/dvlt на Hugging Face под свободной лицензией, готовые к запуску через библиотеку Hugging Face Accelerate в режиме BF16.
На итоге:
Источники:
Репозиторий nv-tlabs/dvlt на GitHub
Веса модели на Hugging Face
Научная статья на arXiv (2605.30215)
Страница проекта NVIDIA Research
@cgevent
Держите, опенсорсеры и метаверсеры.
NVIDIA, ETH Zurich и Университета Торонто выложили в открытый доступ модель и кодовую базу Déjà View (DVLT - Looping Transformers for Multi-View 3D Reconstruction). Архитектура решает фундаментальную задачу Structure-from-Motion (SfM) и плотной 3D-реконструкции: по неупорядоченному набору RGB-снимков или видеоряду нейросеть одновременно восстанавливает 3D-геометрию сцены, карту глубин и точные позиции камер (внешние и внутренние параметры).
Главный прорыв Déjà View заключается в кардинальном пересмотре вычислительной парадигмы. Современные трансформеры прямой подачи для 3D-реконструкции (VGGT, Depth Anything 3, MapAnything, Pi3) разрастаются до миллиардов параметров, выполняя на разных слоях однотипные итеративные операции уточнения. Авторы Déjà View заменили глубокий стек уникальных слоев рекуррентным циклическим блоком трансформера (weight-tied transformer block) с разделяемыми весами, совмещающим покадровое и глобальное внимание с дискретной индексацией глубин.
В результате размер модели сократился всего до 117 млн параметров - это почти на порядок меньше конкурирующих моделей (в 8-10 раз компактнее базовых сетей). Несмотря на компактный объем, Déjà View на равных конкурирует или превосходит тяжелые 1B+ трансформеры на пяти признанных бенчмарках трехмерной реконструкции (включая ScanNet++, интерьерные и уличные сцены), требуя сопоставимого или значительно меньшего объема вычислений.
Циклическая природа архитектуры превратила число шагов рекуррентного прогона K в непрерывный регулятор вычислений (inference-time compute knob) прямо на этапе инференса. Модель обучается один раз, после чего разработчик может динамически варьировать число шагов K без необходимости переобучения или подгрузки отдельных чекпоинтов: от минимальных K для быстрого потокового трекинга в реальном времени до углубленного прогона (K=12..16) для субмиллиметровой резкости геометрии и прецизионной калибровки камер.
NVIDIA полностью открыла исходный код, пайплайн предобработки, скрипты визуализации на базе Rerun и веса модели nvidia/dvlt на Hugging Face под свободной лицензией, готовые к запуску через библиотеку Hugging Face Accelerate в режиме BF16.
На итоге:
• Компактность 117M параметров: в 8-10 раз меньше тяжелых аналогов (VGGT, Depth Anything 3, Pi3)
• Рекуррентный трансформер: один блок с разделяемыми весами вместо глубокого стека слоев
• Полная 3D-реконструкция: одновременное предсказание карты лучей, карты глубин и поз камер
• Гибкий инференс-регулятор K: динамическая настройка точности и скорости без переобучения
• Открытый исходный код, чекпоинт nvidia/dvlt на Hugging Face и инструменты визуализации Rerun
Источники:
Репозиторий nv-tlabs/dvlt на GitHub
Веса модели на Hugging Face
Научная статья на arXiv (2605.30215)
Страница проекта NVIDIA Research
@cgevent
❤6👍4🔥4