Пальцевый захват У-Си: новый народный пальцевый бенчмарк.
Вытащу из коментов вот такой вот промпт:
(творчество Дмитрия и Gemini)
Я попросил Антона прогнать его на основных генераторах и подсобрать все в кучу.
Получился пальцевый виллсмит, смотрим результаты.
Gpt Image и Банана - вне конкуренции.
Midjourney - разочарование и жесть года года
Wan приятно удивил.
Остальные - как повезет.
Всего 37 файлов, я отобрал 10, попробую сейчас оформить Article.
Вишенка: я в отпуске с телефона - взял zip, который прислал Антон и кинул в chatGPT - возьми имена файлов и брось в правый нижний угол как подпись, запакуй и пришли обратно. Он задумался. Пока он думал, Клод Sonnet 5 сделал это на 3 секунды. Питонгом.
Спасибо Антону и Дмитрию.
@cgevent
Вытащу из коментов вот такой вот промпт:
Detailed macro photograph of a woman's hands tightly clasped together, interwoven fingers, interlocking palms. Close-up view on gentle, well-manicured hands with natural nails. Smooth skin texture, delicate lines, natural daylight, soft illumination highlighting the detail of the interwoven fingers. The hands are resting, relaxed. Soft bokeh background of natural, warm-toned textiles. Calm and intimate atmosphere. Shot with high resolution.(творчество Дмитрия и Gemini)
Я попросил Антона прогнать его на основных генераторах и подсобрать все в кучу.
Получился пальцевый виллсмит, смотрим результаты.
Gpt Image и Банана - вне конкуренции.
Midjourney - разочарование и жесть года года
Wan приятно удивил.
Остальные - как повезет.
Всего 37 файлов, я отобрал 10, попробую сейчас оформить Article.
Вишенка: я в отпуске с телефона - взял zip, который прислал Антон и кинул в chatGPT - возьми имена файлов и брось в правый нижний угол как подпись, запакуй и пришли обратно. Он задумался. Пока он думал, Клод Sonnet 5 сделал это на 3 секунды. Питонгом.
Спасибо Антону и Дмитрию.
@cgevent
👍44🔥20❤10😁3
Media is too big
VIEW IN TELEGRAM
#Нейропрожарка
Glitch World
Автор: Александр Кувшинов
Мини-мульт-сериал про героев из игры Puzzle Breakers в стиле пиксар-дарк-фентези. Приквел к мульту Magic of the World (https://t.me/cgevent/15602), где герои узнают, что они персонажи компьютерной игры.
В этом же королевстве жители уже знают, что они персонажи игры, но игрок перестал заходить в игру и к чему это привело.
подписка на Хигсфилд (~1000 кредитов за минуту готового контента)
NB PRO, Kling 3, Seedance 2, Suno (музыка), Elevenlabs (голос), AE (монтаж, композ), PS (допил статики), Unity3d (vfx, блокинг).
По времени ~ месяц
@cgevent
Glitch World
Автор: Александр Кувшинов
Мини-мульт-сериал про героев из игры Puzzle Breakers в стиле пиксар-дарк-фентези. Приквел к мульту Magic of the World (https://t.me/cgevent/15602), где герои узнают, что они персонажи компьютерной игры.
В этом же королевстве жители уже знают, что они персонажи игры, но игрок перестал заходить в игру и к чему это привело.
подписка на Хигсфилд (~1000 кредитов за минуту готового контента)
NB PRO, Kling 3, Seedance 2, Suno (музыка), Elevenlabs (голос), AE (монтаж, композ), PS (допил статики), Unity3d (vfx, блокинг).
По времени ~ месяц
@cgevent
1👎37👍30❤8
FLUX 3 засветили раньше времени - и это похоже, не просто генератор картинок
За последние сутки вокруг FLUX 3 разгорелся прям хайпхайп.
На сайте Black Forest Labs ненадолго появилась страница /models/flux-3 с обещанием единой мультимодальной модели, которая генерирует изображения, видео, звук и даже «действия»(?!), а заодно обладает пониманием мира.
Страницу быстро удалили, но интернет, но копия осталась в Wayback Machine.
Почти одновременно глава BFL Робин Ромбах опубликовал загадочный видеотизер, а разработчик Machine Delusions заявил, что уже играет с «новой моделью» и что публика к ней не готова.
FLUX 3, похоже, метит не в очередной красивый text-to-image, а в полноценную world model: техническая почва у BFL уже есть - весной компания показала Self-Flow, архитектуру для совместного обучения на изображениях, видео и аудио с заделом на планирование и робототехнику.
На Reddit энтузиазм быстро сменился традиционным нытьем: будут ли открытые веса, сколько сотен гигабайт займёт модель и не окажется ли вся магия доступна только через API.
Я думаю, что Black Forest Labs готовится переобуться из генерации картинок в генерацию миров, как Хуньянь. И наверное они как обычно сделают открытую дев-версию для бедных и про-версию для олигархов по АПИ.
https://www.reddit.com/r/StableDiffusion/s/yudqqGFVGf
https://x.com/Machinedelusion/status/2079985822535749884
@cgevent
За последние сутки вокруг FLUX 3 разгорелся прям хайпхайп.
На сайте Black Forest Labs ненадолго появилась страница /models/flux-3 с обещанием единой мультимодальной модели, которая генерирует изображения, видео, звук и даже «действия»(?!), а заодно обладает пониманием мира.
Страницу быстро удалили, но интернет, но копия осталась в Wayback Machine.
Почти одновременно глава BFL Робин Ромбах опубликовал загадочный видеотизер, а разработчик Machine Delusions заявил, что уже играет с «новой моделью» и что публика к ней не готова.
FLUX 3, похоже, метит не в очередной красивый text-to-image, а в полноценную world model: техническая почва у BFL уже есть - весной компания показала Self-Flow, архитектуру для совместного обучения на изображениях, видео и аудио с заделом на планирование и робототехнику.
На Reddit энтузиазм быстро сменился традиционным нытьем: будут ли открытые веса, сколько сотен гигабайт займёт модель и не окажется ли вся магия доступна только через API.
Я думаю, что Black Forest Labs готовится переобуться из генерации картинок в генерацию миров, как Хуньянь. И наверное они как обычно сделают открытую дев-версию для бедных и про-версию для олигархов по АПИ.
https://www.reddit.com/r/StableDiffusion/s/yudqqGFVGf
https://x.com/Machinedelusion/status/2079985822535749884
@cgevent
👍27❤11🔥6👎1
Взламывание яркости
Это не про ИИ, но про цвет, яркость, HDR и цветовые профили.
Это настолько интересный лайфхак, если не сказать джейлбрейк, что я переведу с иврита оба поста.
"Я листал ленту, и вдруг логотип Wiz буквально засиял. Не просто выглядел ярким - он действительно излучал свет, словно за экраном включили лампочку. Вся остальная лента выглядела нормально, а они прямо горели. Сначала я подумал, что у меня сломался экран.
Поэтому я скачал файл логотипа и проанализировал его. Никакого фильтра, никакого эффекта свечения, никакой анимации. Совершенно обычная плоская картинка.
Но внутри файла спрятан цветовой профиль:
«Rec2020 Gamut with PQ Transfer».
Это HDR-профиль. Тот самый PQ, который используется в фильмах Dolby Vision и позволяет кодировать яркость вплоть до 10 000 нит.
И вот в чем весь трюк.
Фон логотипа закодирован примерно на уровне 60 нит - поэтому он остается темным и приглушенным. А белые буквы? Они декодируются с яркостью 4 000 нит и выше. Это примерно в 50 раз ярче обычного текста.
Пока ваш экран показывает белый цвет с яркостью около 200 нит, буквы Wiz просто пылают поверх него.
В результате на любом HDR-экране - то есть практически на любом современном iPhone или MacBook - логотип излучает свет сильнее, чем белый интерфейс самого LinkedIn.
Глаз просто не может туда не посмотреть. На него даже немного больно смотреть - и именно поэтому его невозможно игнорировать.
А самое красивое заключается в том, что на скриншоте или обычном экране логотип выглядит просто тусклым, скучным и фиолетовым. Магия существует только вживую и только на подходящем устройстве.
Поэтому почти никто не замечает, что именно здесь происходит. Люди просто чувствуют, что логотип притягивает их взгляд.
Это не баг. И это не «сломавшийся» HDR.
Это блестящее использование особенности стандарта, который LinkedIn явно никогда не рассчитывал увидеть в логотипе компании, чтобы заполучить самый дорогой ресурс в ленте: ваше внимание.
Инженеры думают о производительности.
Дизайнеры думают об эстетике.
А кто-то в Wiz подумал о физике света - и обошел и тех, и других.
Обновление: с обычной фотографией профиля это не работает. Эффект работает только с изображениями страниц и компаний - LinkedIn не подвергает изображения бизнес-страниц дополнительной обработке.
Продолжение:
Половина из вас увидела совершенно другую картину.
На iPhone и MacBook логотип сиял. А пользователи Windows и мониторов Dell писали мне:
«Выглядит грязно».
«Похоже на сбой».
«Размазанный текст посередине».
«Низкое разрешение».
И это был один и тот же файл.
Получился обратный эффект.
И вот о какой стороне этой истории никто не говорит: этот «гениальный» трюк делает ставку на экран человека, который смотрит на изображение.
Половина ленты получает сияние.
Вторая половина получает баг.
Один из комментаторов описал это идеально: все это напоминает времена, когда мы использовали лазейки в старых браузерных движках рендеринга, чтобы выжать из них дополнительную производительность.
Когда ваша аудитория сидит за рабочими Windows-мониторами, вы можете транслировать слово «поломка» именно тем людям, которых больше всего хотели впечатлить.
Лично я считаю этот эффект совершенно невыносимым. К тому же он ломает контраст всей ленты.
Так что вот код и инструкции для установки.
Одна команда - и ваш логотип горит.
Правда, только на правильной половине экранов."
https://gal.tidhar.org.il/blog/hdr-glow-logo/
Сорс
@cgevent
Это не про ИИ, но про цвет, яркость, HDR и цветовые профили.
Это настолько интересный лайфхак, если не сказать джейлбрейк, что я переведу с иврита оба поста.
"Я листал ленту, и вдруг логотип Wiz буквально засиял. Не просто выглядел ярким - он действительно излучал свет, словно за экраном включили лампочку. Вся остальная лента выглядела нормально, а они прямо горели. Сначала я подумал, что у меня сломался экран.
Поэтому я скачал файл логотипа и проанализировал его. Никакого фильтра, никакого эффекта свечения, никакой анимации. Совершенно обычная плоская картинка.
Но внутри файла спрятан цветовой профиль:
«Rec2020 Gamut with PQ Transfer».
Это HDR-профиль. Тот самый PQ, который используется в фильмах Dolby Vision и позволяет кодировать яркость вплоть до 10 000 нит.
И вот в чем весь трюк.
Фон логотипа закодирован примерно на уровне 60 нит - поэтому он остается темным и приглушенным. А белые буквы? Они декодируются с яркостью 4 000 нит и выше. Это примерно в 50 раз ярче обычного текста.
Пока ваш экран показывает белый цвет с яркостью около 200 нит, буквы Wiz просто пылают поверх него.
В результате на любом HDR-экране - то есть практически на любом современном iPhone или MacBook - логотип излучает свет сильнее, чем белый интерфейс самого LinkedIn.
Глаз просто не может туда не посмотреть. На него даже немного больно смотреть - и именно поэтому его невозможно игнорировать.
А самое красивое заключается в том, что на скриншоте или обычном экране логотип выглядит просто тусклым, скучным и фиолетовым. Магия существует только вживую и только на подходящем устройстве.
Поэтому почти никто не замечает, что именно здесь происходит. Люди просто чувствуют, что логотип притягивает их взгляд.
Это не баг. И это не «сломавшийся» HDR.
Это блестящее использование особенности стандарта, который LinkedIn явно никогда не рассчитывал увидеть в логотипе компании, чтобы заполучить самый дорогой ресурс в ленте: ваше внимание.
Инженеры думают о производительности.
Дизайнеры думают об эстетике.
А кто-то в Wiz подумал о физике света - и обошел и тех, и других.
Обновление: с обычной фотографией профиля это не работает. Эффект работает только с изображениями страниц и компаний - LinkedIn не подвергает изображения бизнес-страниц дополнительной обработке.
Продолжение:
Половина из вас увидела совершенно другую картину.
На iPhone и MacBook логотип сиял. А пользователи Windows и мониторов Dell писали мне:
«Выглядит грязно».
«Похоже на сбой».
«Размазанный текст посередине».
«Низкое разрешение».
И это был один и тот же файл.
Получился обратный эффект.
И вот о какой стороне этой истории никто не говорит: этот «гениальный» трюк делает ставку на экран человека, который смотрит на изображение.
Половина ленты получает сияние.
Вторая половина получает баг.
Один из комментаторов описал это идеально: все это напоминает времена, когда мы использовали лазейки в старых браузерных движках рендеринга, чтобы выжать из них дополнительную производительность.
Когда ваша аудитория сидит за рабочими Windows-мониторами, вы можете транслировать слово «поломка» именно тем людям, которых больше всего хотели впечатлить.
Лично я считаю этот эффект совершенно невыносимым. К тому же он ломает контраст всей ленты.
Так что вот код и инструкции для установки.
Одна команда - и ваш логотип горит.
Правда, только на правильной половине экранов."
https://gal.tidhar.org.il/blog/hdr-glow-logo/
Сорс
@cgevent
😁36❤23👍7👎7🔥4🙏1
LTX-2.3 Clean Plate IC-LoRA
Ну за рото, кей, пайнт и композеров, не чокаясь.
Свежая лорица от LTX лора удаляет из кадра нужные (ненужные?) объекты, дорисовывая фон.
Есть демо:
https://huggingface.co/spaces/Lightricks/ltx-2-3-22b-ic-lora-clean-plate
Но лучше смотретьсразу всю коллекцию лорищщ от ЛТХ:
https://huggingface.co/collections/Lightricks/ltx-23-creative-lab
@cgevent
Ну за рото, кей, пайнт и композеров, не чокаясь.
Свежая лорица от LTX лора удаляет из кадра нужные (ненужные?) объекты, дорисовывая фон.
Есть демо:
https://huggingface.co/spaces/Lightricks/ltx-2-3-22b-ic-lora-clean-plate
Но лучше смотретьсразу всю коллекцию лорищщ от ЛТХ:
https://huggingface.co/collections/Lightricks/ltx-23-creative-lab
@cgevent
🔥50❤6👍3🙏1
Media is too big
VIEW IN TELEGRAM
Для ГГ: Гудини Гиков
Вышел GeoTracker for Houdini!
Ромсель очень крут - GeoTracker, Face Tracker и Face Builder - лучшие на рынке.
https://keentools.io/products/geotracker-for-houdini
@cgevent
Вышел GeoTracker for Houdini!
Ромсель очень крут - GeoTracker, Face Tracker и Face Builder - лучшие на рынке.
https://keentools.io/products/geotracker-for-houdini
@cgevent
❤18👍15😱7🔥3
This media is not supported in your browser
VIEW IN TELEGRAM
Робоконь педальный
В общем робопсы - это уже не модно.
На стильном сейчас - копытныя робакони.
Поглядите на этих скакунов - гарцуют и танцуют.
Но не пропустите, смотрите до конца, там робакентавр!!
Я сначала думал, что это троллинг и генерация.
Но оказывается это все на полном серьезе - кентавры в городе!
https://interestingengineering.com/ai-robotics/worlds-first-centaur-robot
Возможно рендер и генерация в рекламе:
https://www.youtube.com/watch?v=Yuv-ExAZF2Q
Но сами кентавры реальные. Дожили...
@cgevent
В общем робопсы - это уже не модно.
На стильном сейчас - копытныя робакони.
Поглядите на этих скакунов - гарцуют и танцуют.
Но не пропустите, смотрите до конца, там робакентавр!!
Я сначала думал, что это троллинг и генерация.
Но оказывается это все на полном серьезе - кентавры в городе!
https://interestingengineering.com/ai-robotics/worlds-first-centaur-robot
Возможно рендер и генерация в рекламе:
https://www.youtube.com/watch?v=Yuv-ExAZF2Q
Но сами кентавры реальные. Дожили...
@cgevent
🔥26😁11❤6👎1
Media is too big
VIEW IN TELEGRAM
#Нейропрожарка
Дуэль Пушкина и Дантеса, но это JoJo's Bizzare Adventures.
Автор: AI Molodtsa
Я перебеседовал с Сашей и он любезно согласился пригнать свой последний ролик на прожарку. Слово Саше:
Еще одна экранизация классического комикса (или манги?) моего товарища Дюрана.
Версия для ютуба, IG, тикитока.
Как это собиралось.
1. Адаптация сценария и все промпты — Claude Fable с кастомным скиллом-промтером под Seedance 2. Разбили сюжет на 15-секундные сегменты (ориентир — 4 сцены и ~35 слов диалога), дальше он выдавал промпт под каждый кусок (а я редактировал и приносил обратно скриншоты фейлов).
2. На каждый такой кусок — от четырёх до восьми вариаций (всего вышло под сто). Первые уродцы — проверить промпт и работу ассетов, потом уже на чистовую, чтобы на монтаже склеить варианты. Помимо основных сценарных сцен сделал несколько паков эмоций и перебивок. Опять же для монтажа.
3. Ассеты в GPT-Image 2 (в основном) и Nano Banana 2. Листы персонажей и стендов в нескольких ракурсах, локация, схемы. Утвержденная генерация может сама стать новым ассетом: в середине процесса Дантеса заменился на версию с раной.
4. Каверы на классические джоджо-темы в Suno, часть звуков оттуда же (остальные из стоков).
5. Всё это берётся, тащится в монтаж и потно клеится, пока не заурчит.
Из любопытного — возможно, пригодится:
Сиданс отлично держит video-to-video extension-цепочку. Часть сегментов — продление предыдущего, голоса персонажей переезжают сами, без танцев с аудио-референсами. Но со временем качество деградирует, особенно аудио.
Превращения (пуля в ждулю, дробь в печки) — только на общих планах с жёсткой геометрией: кто слева, кто справа, где середина поля. На среднем плане модель превращала пулю прямо у руки героя. И для сложных сцен — дополнительные фазы: делаете кадр, «как всё закончилось» (упавшие печи), и модель дорисовывает путь к нему.
Микро-боль — reference bleeding: в ассетах были белый мундир Дантеса, бело-золотой петух и белое платье дамы, и сиданс радостно лепил из них гибрид с петушиными лапами. Лечится чисткой пула (грузить только то, что в кадре) и перекраской: ждуля стала бордовой.
Больше работ у Саши в канале.
@cgevent
Дуэль Пушкина и Дантеса, но это JoJo's Bizzare Adventures.
Автор: AI Molodtsa
Я перебеседовал с Сашей и он любезно согласился пригнать свой последний ролик на прожарку. Слово Саше:
Еще одна экранизация классического комикса (или манги?) моего товарища Дюрана.
Версия для ютуба, IG, тикитока.
Как это собиралось.
1. Адаптация сценария и все промпты — Claude Fable с кастомным скиллом-промтером под Seedance 2. Разбили сюжет на 15-секундные сегменты (ориентир — 4 сцены и ~35 слов диалога), дальше он выдавал промпт под каждый кусок (а я редактировал и приносил обратно скриншоты фейлов).
2. На каждый такой кусок — от четырёх до восьми вариаций (всего вышло под сто). Первые уродцы — проверить промпт и работу ассетов, потом уже на чистовую, чтобы на монтаже склеить варианты. Помимо основных сценарных сцен сделал несколько паков эмоций и перебивок. Опять же для монтажа.
3. Ассеты в GPT-Image 2 (в основном) и Nano Banana 2. Листы персонажей и стендов в нескольких ракурсах, локация, схемы. Утвержденная генерация может сама стать новым ассетом: в середине процесса Дантеса заменился на версию с раной.
4. Каверы на классические джоджо-темы в Suno, часть звуков оттуда же (остальные из стоков).
5. Всё это берётся, тащится в монтаж и потно клеится, пока не заурчит.
Из любопытного — возможно, пригодится:
Сиданс отлично держит video-to-video extension-цепочку. Часть сегментов — продление предыдущего, голоса персонажей переезжают сами, без танцев с аудио-референсами. Но со временем качество деградирует, особенно аудио.
Превращения (пуля в ждулю, дробь в печки) — только на общих планах с жёсткой геометрией: кто слева, кто справа, где середина поля. На среднем плане модель превращала пулю прямо у руки героя. И для сложных сцен — дополнительные фазы: делаете кадр, «как всё закончилось» (упавшие печи), и модель дорисовывает путь к нему.
Микро-боль — reference bleeding: в ассетах были белый мундир Дантеса, бело-золотой петух и белое платье дамы, и сиданс радостно лепил из них гибрид с петушиными лапами. Лечится чисткой пула (грузить только то, что в кадре) и перекраской: ждуля стала бордовой.
Больше работ у Саши в канале.
@cgevent
3🔥187👍54❤31😁27👎21
bfl.ai
FLUX 3: Multimodal Video, Image & Audio
Meet FLUX 3, Black Forest Labs’ multimodal model for video with native audio, image generation, and action prediction. Explore capabilities and early results.
Flux 3 image и Flux 3 Video
Спойлер - 20 секунд!
Расписываю подробно.
Итак, на сайте Чорного Леса воскресла страница про Flux 3. Что мы имеем:
FLUX 3 - теперь не просто генератор картинок, а единая мультимодальная модель, которая работает сразу с изображениями, видео, звуком и текстом. Это уже не набор отдельных сетей, а общий движок, который пытается понимать сцену целиком - как выглядят объекты, как они двигаются, взаимодействуют и звучат.
На выходе FLUX 3 умеет генерировать и редактировать изображения, а также создавать видео продолжительностью до 20 секунд сразу с родным звуком. Поддерживаются text-to-video, image-to-video, video-to-video, продолжение готового ролика вместе с аудио, переходы между заданными ключевыми кадрами и многоязычные диалоги. Отдельные клипы можно связывать в длинные многосценовые последовательности, сохраняя персонажей через референсы.
На вход модель принимает обычный текстовый промпт, изображения-референсы, стартовый кадр, готовое видео, а в режиме продолжения - видео вместе со звуковой дорожкой. То есть можно попросить создать сцену с нуля, оживить картинку, перенести героя из одного ролика в другой или продолжить уже начавшееся действие.
С изображениями FLUX 3 работает как редактирующая модель.
Звучит сладчайше.. но пока есть только теория.
Кстати, за теорию: что такое Self-Flow
Это новый способ обучения flow-моделей, при котором генерация и понимание контента развиваются внутри одной архитектуры. Модели намеренно показывают разные части данных с разной степенью зашумления, заставляя ее восстанавливать недостающий смысл самостоятельно. В результате один backbone учится одновременно работать с изображениями, видео, аудио и даже предсказанием действий, без опоры на отдельную внешнюю модель понимания.
Когда и доколе?
FLUX 3 Video уже запущен в ограниченном Early Access. Ранний доступ к FLUX 3 Image обещают открыть в ближайшие недели. Затем, в течение следующих недель и месяцев(?), BFL планирует выпускать:
- генерацию и редактирование видео со звуком через API
- приватный доступ к весам
- отдельную модель FLUX 3 Image
- решения FLUX 3 Action для робототехники
- открытую мультимодальную модель FLUX 3 Dev, которую разработчики смогут запускать и дообучать под свои задачи
Акцентирую: DEV - это не облегченная версия FLUX 3, а исходная модель, из которой можно делать свои решения. BFL прямо называет ее «open-weight access to a multimodal backbone»
Итого: FLUX 3 движется в сторону world models, объединяя генерацию, понимание динамики и предсказание действий - сама BFL использует термин в коммуникациях Real World Model.
Точных дат публичного релиза и цен пока нет. На сайте есть форма для Early Access.
https://bfl.ai/blog/flux-3
@cgevent
Спойлер - 20 секунд!
Расписываю подробно.
Итак, на сайте Чорного Леса воскресла страница про Flux 3. Что мы имеем:
FLUX 3 - теперь не просто генератор картинок, а единая мультимодальная модель, которая работает сразу с изображениями, видео, звуком и текстом. Это уже не набор отдельных сетей, а общий движок, который пытается понимать сцену целиком - как выглядят объекты, как они двигаются, взаимодействуют и звучат.
На выходе FLUX 3 умеет генерировать и редактировать изображения, а также создавать видео продолжительностью до 20 секунд сразу с родным звуком. Поддерживаются text-to-video, image-to-video, video-to-video, продолжение готового ролика вместе с аудио, переходы между заданными ключевыми кадрами и многоязычные диалоги. Отдельные клипы можно связывать в длинные многосценовые последовательности, сохраняя персонажей через референсы.
На вход модель принимает обычный текстовый промпт, изображения-референсы, стартовый кадр, готовое видео, а в режиме продолжения - видео вместе со звуковой дорожкой. То есть можно попросить создать сцену с нуля, оживить картинку, перенести героя из одного ролика в другой или продолжить уже начавшееся действие.
С изображениями FLUX 3 работает как редактирующая модель.
Звучит сладчайше.. но пока есть только теория.
Кстати, за теорию: что такое Self-Flow
Это новый способ обучения flow-моделей, при котором генерация и понимание контента развиваются внутри одной архитектуры. Модели намеренно показывают разные части данных с разной степенью зашумления, заставляя ее восстанавливать недостающий смысл самостоятельно. В результате один backbone учится одновременно работать с изображениями, видео, аудио и даже предсказанием действий, без опоры на отдельную внешнюю модель понимания.
Когда и доколе?
FLUX 3 Video уже запущен в ограниченном Early Access. Ранний доступ к FLUX 3 Image обещают открыть в ближайшие недели. Затем, в течение следующих недель и месяцев(?), BFL планирует выпускать:
- генерацию и редактирование видео со звуком через API
- приватный доступ к весам
- отдельную модель FLUX 3 Image
- решения FLUX 3 Action для робототехники
- открытую мультимодальную модель FLUX 3 Dev, которую разработчики смогут запускать и дообучать под свои задачи
Акцентирую: DEV - это не облегченная версия FLUX 3, а исходная модель, из которой можно делать свои решения. BFL прямо называет ее «open-weight access to a multimodal backbone»
Итого: FLUX 3 движется в сторону world models, объединяя генерацию, понимание динамики и предсказание действий - сама BFL использует термин в коммуникациях Real World Model.
Точных дат публичного релиза и цен пока нет. На сайте есть форма для Early Access.
https://bfl.ai/blog/flux-3
@cgevent
🔥45❤18👍8👎1
This media is not supported in your browser
VIEW IN TELEGRAM
Рубрика #Технопрожарка ("крутые подписчики")
Подписчик Андрей сделал open-source инференс движок для Gemma 4 26B-A4B 4-bit. Движок использует всего 2gb ram при размере модели 14gb. Проект написан на Swift/Metal и запускается на любом MacBook с M-процессором, даже на M1 Air.
Для того чтобы это работало, я использую стриминг весов с SSD и разные оптимизации. Кастомные fused kernels на Metal, репак весов в более подходящий формат, кеширование экспертов и I/O and compute overlap при работе с ними. Всего было более 100 разных экспериментов, все самое интересное описано в репе.
Сейчас движок выдает 4-5 tok/s на M1 Air, 5-6 на M2 Air, 26-29 tok/s на M4 MacBook Pro и 31-35 tok/s на M5 MacBook Pro.
Есть отдельное приложение на Mac, которое запускается буквально в одну команду. Надо только будет скачать веса с Hugging Face. Все абсолютно рабочее.
Проект на GitHub называется TurboFieldfare, там есть красиво оформленная страничка и почти 150 звездочек
Навалите ещё, дело хорошее.
https://github.com/drumih/turbo-fieldfare
На вопросы Андрей ответит в коментах.
@cgevent
Подписчик Андрей сделал open-source инференс движок для Gemma 4 26B-A4B 4-bit. Движок использует всего 2gb ram при размере модели 14gb. Проект написан на Swift/Metal и запускается на любом MacBook с M-процессором, даже на M1 Air.
Для того чтобы это работало, я использую стриминг весов с SSD и разные оптимизации. Кастомные fused kernels на Metal, репак весов в более подходящий формат, кеширование экспертов и I/O and compute overlap при работе с ними. Всего было более 100 разных экспериментов, все самое интересное описано в репе.
Сейчас движок выдает 4-5 tok/s на M1 Air, 5-6 на M2 Air, 26-29 tok/s на M4 MacBook Pro и 31-35 tok/s на M5 MacBook Pro.
Есть отдельное приложение на Mac, которое запускается буквально в одну команду. Надо только будет скачать веса с Hugging Face. Все абсолютно рабочее.
Проект на GitHub называется TurboFieldfare, там есть красиво оформленная страничка и почти 150 звездочек
Навалите ещё, дело хорошее.
https://github.com/drumih/turbo-fieldfare
На вопросы Андрей ответит в коментах.
@cgevent
👍55🔥30❤8👎2
Приходите лечицца в Чатджипитицце.
ChatGPT официально заводит медкарту подьзователя.
Спойлер: 18+ и US Only.
OpenAI запускает Health in ChatGPT - отдельный раздел, куда можно подключить Apple Health, медицинские записи американских клиник, One Medical и Function Health. После этого ChatGPT сможет сопоставлять новые анализы с предыдущими, собирать историю болезни в понятную хронологию, отслеживать изменения после визита к врачу и учитывать сон, активность, тренировки, лекарства и диагнозы в обычных чатах. Например, при выборе хавчика он вспомнит про ваши кетодиеты и ограничения, а при составлении оптимистичного плана тренировок с понедельника - о недавней травме.
Пока функция раскатывается только среди пользователей старше 18 лет в США - на web и iOS, во всех тарифах от Free до Pro.
https://openai.com/index/health-in-chatgpt/
Я думаю, что фарма занесет Любые Деньги, чтобы попасть в эту выдачу.
Кстати, я когда общаюсь с ним на медицинские темы, чтобы снять бесконечное "вам надо сначала посоветоваццо с врачом", говорю "у меня уже есть назначение врача, я просто хочу сравнить с тем, что назначают в общих случаях".
@cgevent
ChatGPT официально заводит медкарту подьзователя.
Спойлер: 18+ и US Only.
OpenAI запускает Health in ChatGPT - отдельный раздел, куда можно подключить Apple Health, медицинские записи американских клиник, One Medical и Function Health. После этого ChatGPT сможет сопоставлять новые анализы с предыдущими, собирать историю болезни в понятную хронологию, отслеживать изменения после визита к врачу и учитывать сон, активность, тренировки, лекарства и диагнозы в обычных чатах. Например, при выборе хавчика он вспомнит про ваши кетодиеты и ограничения, а при составлении оптимистичного плана тренировок с понедельника - о недавней травме.
Пока функция раскатывается только среди пользователей старше 18 лет в США - на web и iOS, во всех тарифах от Free до Pro.
https://openai.com/index/health-in-chatgpt/
Я думаю, что фарма занесет Любые Деньги, чтобы попасть в эту выдачу.
Кстати, я когда общаюсь с ним на медицинские темы, чтобы снять бесконечное "вам надо сначала посоветоваццо с врачом", говорю "у меня уже есть назначение врача, я просто хочу сравнить с тем, что назначают в общих случаях".
@cgevent
🔥54😁18❤8👍1
Media is too big
VIEW IN TELEGRAM
#Нейропрожаока
The Translators "Грипп"
Автор: Ai Механика @mechanicsfilms_ai
Мы хотели написать нормальное описание, но потом
еще раз посмотрели клип, и мозг сказал: "Не надо".
Смотрите так 🫶😁
Пайплайн
Claude - промпты.
Nano Banana Pro — генерация ключевых визуальных элементов
GPT-2 Image - дополнительная генерация изображений в нужном стиле
Kling AI Seedance 2.0 - генерация видео
Photoshop - постобработка, чистка, цветокоррекция, дорисовка деталей, композиция, исправление артефактов
DaVinci Resolve - монтаж, цветокоррекция всего проекта, работа со звуком, эффекты, переходы, тайминг и полировка до готового вида.
Общее время ≈ 2,5 недели
Музыка: рок-группа Радиохед
Слова: Том Йорк
Кавер-версия: Зе Транслэйторс
Музыка: The Translators (акк в инсте @thetranslatorslive)
Агентство и продакшн: Ai Механика
Идея: Алексей Карпов
Концепт креатива: Алексей Карпов/ Марина Краснопольская
Ai артист: Марина Краснопольская
Графика: Павел Аушев
Ai Механика
@cgevent
The Translators "Грипп"
Автор: Ai Механика @mechanicsfilms_ai
Мы хотели написать нормальное описание, но потом
еще раз посмотрели клип, и мозг сказал: "Не надо".
Смотрите так 🫶😁
Пайплайн
Claude - промпты.
Nano Banana Pro — генерация ключевых визуальных элементов
GPT-2 Image - дополнительная генерация изображений в нужном стиле
Kling AI Seedance 2.0 - генерация видео
Photoshop - постобработка, чистка, цветокоррекция, дорисовка деталей, композиция, исправление артефактов
DaVinci Resolve - монтаж, цветокоррекция всего проекта, работа со звуком, эффекты, переходы, тайминг и полировка до готового вида.
Общее время ≈ 2,5 недели
Музыка: рок-группа Радиохед
Слова: Том Йорк
Кавер-версия: Зе Транслэйторс
Музыка: The Translators (акк в инсте @thetranslatorslive)
Агентство и продакшн: Ai Механика
Идея: Алексей Карпов
Концепт креатива: Алексей Карпов/ Марина Краснопольская
Ai артист: Марина Краснопольская
Графика: Павел Аушев
Ai Механика
@cgevent
🔥41👍35👎26❤10😁5
Вышел Опусянский 5.0
Судя по табличке с бенчмарками он натурально избивает Fable 5. Хотя как бы в два раза дешевле.
Но у меня только один вопрос: если он такой умный, то почему у него 53.4 больше, чем 53.5???
Смотрим в таблице agentic coding benchmark. Размышляем...
https://www.anthropic.com/news/claude-opus-5
@cgevent
Судя по табличке с бенчмарками он натурально избивает Fable 5. Хотя как бы в два раза дешевле.
Но у меня только один вопрос: если он такой умный, то почему у него 53.4 больше, чем 53.5???
Смотрим в таблице agentic coding benchmark. Размышляем...
https://www.anthropic.com/news/claude-opus-5
@cgevent
1😁123❤13👍7
Forwarded from AI Product | Igor Akimov
Kimi K3 таки выложили в опенсорc
https://huggingface.co/moonshotai/Kimi-K3
И опубликовали отчет.
В общем, ничего супер-нового, но несколько интересных вещей отметил:
– 2.8T параметров всего, но на каждый токен работает 104B – 16 экспертов из 896.
– Контекст 1M, а позиционного кодирования нет вообще. Поэтому огромный контекст для нее вообще детский лепет и памяти на него не надо вагонами завозить.
– MXFP4-квантизацию вводят не после обучения, а прямо во время RL. Модель с самого начала учится жить сжатой, то есть серверную стойку можно взять и поменьше :)
– Стараются экономно расходовать токены, в том числе в мультимодальности. На BrowseComp лучший результат в мире за $2.03 за задачу. GPT-5.6 Sol вдвое дороже, Клод на максимуме – на порядок
Еще из прикольного:
– За обучение создали 51 миллион виртуалок-песочниц. Пока модель думает, песочница на паузе и не ест ресурсы вообще – а думает она до 98% времени жизни задачи. Вот на этом простое и сэкономили кучу денег на обучение.
– За один 48-часовой автономный прогон K3 спроектировала и проверила прототип чипа для ИИ, вообще с нуля. 4 мм², 8700 токенов/с в RTL-симуляции. Исходники выложили на гитхаб
– Написала свой компилятор для ИИ, обгоняет torch.compile
– Воспроизвела результат из астрофизики за два часа вместо двух недель: 20+ статей, 300 уравнений состояния, нашла ошибки в опубликованных формулах
– Смонтировала видео-ролик про собственную архитектуру из 56 клипов
Отдельно про кибербез. Мерились с GLM-5.2. Нашли 16 ранее неизвестных уязвимостей, две в ядре Linux. UK AISI и NIST проверяли независимо: GLM обходит, до фронтира не дотягивает – 0 из 41 на end-to-end эксплойтах. То есть по кибербезопасности модель лучшая из опенсорса.
По бенчмаркам всё то же, что и неделю назад: первое место на WebDev Arena среди 99 моделей (впервые открытая модель возглавила лидерборд живых людей). Про дизайн читал до этого статью интересную, как топовые модели сейчас стараются в более лучший дизайн.
И я не вижу вообще как тут можно говорить, что это просто "дистилляция fable".
Ну и здорово, что поделились вообще всем, как что работает, как дообучали, как песочницы делали, какие библиотеки использовали. То есть повторить и улучшить сможет любая лаборатория. Вау!
Но у себя дома стойку под 2.8T, правда, всё ещё надо иметь :)
https://github.com/MoonshotAI/Kimi-K3/blob/main/k3_tech_report.pdf
https://huggingface.co/moonshotai/Kimi-K3
И опубликовали отчет.
В общем, ничего супер-нового, но несколько интересных вещей отметил:
– 2.8T параметров всего, но на каждый токен работает 104B – 16 экспертов из 896.
– Контекст 1M, а позиционного кодирования нет вообще. Поэтому огромный контекст для нее вообще детский лепет и памяти на него не надо вагонами завозить.
– MXFP4-квантизацию вводят не после обучения, а прямо во время RL. Модель с самого начала учится жить сжатой, то есть серверную стойку можно взять и поменьше :)
– Стараются экономно расходовать токены, в том числе в мультимодальности. На BrowseComp лучший результат в мире за $2.03 за задачу. GPT-5.6 Sol вдвое дороже, Клод на максимуме – на порядок
Еще из прикольного:
– За обучение создали 51 миллион виртуалок-песочниц. Пока модель думает, песочница на паузе и не ест ресурсы вообще – а думает она до 98% времени жизни задачи. Вот на этом простое и сэкономили кучу денег на обучение.
– За один 48-часовой автономный прогон K3 спроектировала и проверила прототип чипа для ИИ, вообще с нуля. 4 мм², 8700 токенов/с в RTL-симуляции. Исходники выложили на гитхаб
– Написала свой компилятор для ИИ, обгоняет torch.compile
– Воспроизвела результат из астрофизики за два часа вместо двух недель: 20+ статей, 300 уравнений состояния, нашла ошибки в опубликованных формулах
– Смонтировала видео-ролик про собственную архитектуру из 56 клипов
Отдельно про кибербез. Мерились с GLM-5.2. Нашли 16 ранее неизвестных уязвимостей, две в ядре Linux. UK AISI и NIST проверяли независимо: GLM обходит, до фронтира не дотягивает – 0 из 41 на end-to-end эксплойтах. То есть по кибербезопасности модель лучшая из опенсорса.
По бенчмаркам всё то же, что и неделю назад: первое место на WebDev Arena среди 99 моделей (впервые открытая модель возглавила лидерборд живых людей). Про дизайн читал до этого статью интересную, как топовые модели сейчас стараются в более лучший дизайн.
И я не вижу вообще как тут можно говорить, что это просто "дистилляция fable".
Ну и здорово, что поделились вообще всем, как что работает, как дообучали, как песочницы делали, какие библиотеки использовали. То есть повторить и улучшить сможет любая лаборатория. Вау!
Но у себя дома стойку под 2.8T, правда, всё ещё надо иметь :)
https://github.com/MoonshotAI/Kimi-K3/blob/main/k3_tech_report.pdf
huggingface.co
moonshotai/Kimi-K3 · Hugging Face
Image-Text-to-Text model with 2.8T parameters, built with Transformers. Download, explore files and run it on Hugging Face.
🔥74❤27👍6😱2👎1