Все чаще вижу такую интересную связку. 

Благодаря вот этой нашей знаменитой Orbit 360 Lora для Mini Max H3 люди делают либо видео с облетом, либо просто серию кадров-снимков объекта с разных сторон. Потом это скармливают в какой-нибудь гауссиановский построитель и дальше тащат это в 3D. 

Здесь как раз такой пример. Романтически приятно, что здесь не Блендор, а Худини.  

360 Orbit LoRA в MiniMax H3 => 3D-конвертация в GSplats с использованием ML Train GSplats в Houdini 22.

Источник:

https://x.com/O685463/status/2117292741713617045

@cgevent

Mago Studio - opensource local-first end-to-end AI production studio

Не прошло и месяца как Maga Mago Studio опенсорснули (в отличие от некоторых гарфилдов).

Есть полноценные пайплайны для работы с картинками, видео, и генерации короткого метра из сценария.

С историей настроек, возможностью итерации, редактирования, вот это вот все.

С нормальным управлением проектами, а не все рендеры в кучу в общей истории и 'завтра разберусь'

Локально крутится на Qwen 3.8 как LLM, Qwen 3VL для описания картинок и оценки генераций на соответствие промту, Minimax h3 для видео, Qwen Image/Edit, Flux - для генерации\редактирования картинок.

Поскольку это опенсорс, можно легко заменить предлагаемые веса на эти ваши любимые unсensored lgtv+ abliterated furfag2000 edition, добавить свои модели, апи, сделать еще более ночную тему.

И, что самое главное, дизайн разработан не программистами (A1111 привет)

твит
код

лайк шер алишер, звезды в репу, пожелания в комменты

#Сеня_и_Даня_Здесь_Были

Утренняя сводка новостей про Сеню и Даню.

Сеня выступил с программным тезисом о том, что человечество ни при каких обстоятельствах не должно отдавать финальное право принятия решений сверхразуму (ASI) и не должно соглашаться на роль подопытных в симуляциях того, что машина считает благом. Хммм. А как оно(человечество) будет не соглашаться, если всё уже решено на серверах Сени и Дани?

А в это время Anthropic подала обновленную форму S-1/A в SEC перед выходом на биржу под тикером ANT. За третий квартал выручка компании взлетела до 17 млрд долларов (рост более 1100% год к году), а суммарная выручка за 9 месяцев 2026 года достигла 33.2 млрд долларов.

Долгосрочные обязательства Anthropic по аренде вычислительных мощностей и дата-центров достигли колоссальных 895.4 млрд долларов (цель: масштабирование до 3.5 ГВт мощности к концу года и до 7 ГВт в следующем году).

И в это время Даня: На фоне давления Сената и инвесторов вскрылась специфика найма в Антропикский:
на собеседованиях кандидатов прямо спрашивают, готовы ли они к сценарию, при котором акции компании упадут до нуля, если разработку придется экстренно остановить ради глобальной безопасности.

Не уверен, что утро сегодня доброе.

@cgevent

Tencent бахнули Hy-Nomas - открытую AI-модель для создания интерактивных миров да еще и с памятью. Модель мира, опенсорсная притом

Забыл написать про дядюшку Ху, исправляюсь, но с ништяками. 

Все как у людей. Hy-Nomas создаёт виртуальный мир последовательно, позволяет менять происходящее текстовыми командами, управлять движением камеры и продолжать генерацию с учётом предыдущих сцен. Модель использует KV-cache для сохранения контекста между видеосегментами.

Мета-спойлер - Tencent предусмотрела запуск видеогенерации на одной RTX 4090 с 24 GB VRAM. Для этого используются INT8/FP8, ограничение активной истории и CPU offload. Правда, это не означает генерацию в реальном времени. Скорость на RTX 4090 официально не озвучена.

Еще спойлер. Это видео. Там нет экспорта в 3D. 

Что под капотом:

• Segment-autoregressive MMDiT с 54 блоками.

• Текстовый энкодер Qwen2.5-VL-7B.

• DCAE-V для сжатия видео и PixelUMM для декодирования.

• Разрешение 720p, выходное видео 24 FPS, 8 шагов диффузии.

• LoRA-адаптеры Cinematic и Robotics, включая адаптацию на видеоданных роботизированных манипуляторов.

• Apache 2.0 для проекта, с оговоркой об отдельных лицензиях сторонних компонентов.

Крутизна open source в том, что по состоянию на сегодня уже появились сторонние интеграции для ComfyUI, SGLang, WanGP и Reactor, а также первые экспериментальные приложения. 

Ну как вам такое: вчера Tencent добавила в список сторонних проектов Prelulu, авторы которого показывают интерактивные мини-драмы с диалогами и альтернативными вариантами развития истории. 

Ссылки:

Демо:
https://hy-nomas.hy.tencent.com/demo

GitHub:
https://github.com/Tencent-Hunyuan/Hy-Nomas

Hugging Face:
https://huggingface.co/tencent/Hy-Nomas

ComfyUI:
https://github.com/Nynxz/ComfyUI-HyNomas

@cgevent

Релиз ComfyUI v0.44.0: нативная поддержка P-H3-Image, MiniMax-H3 VAE и апскейл Flux Video 4K

Стабильный релиз ComfyUI v0.44.0, включающий 40 коммитов в базовом ядре и существенное обновление партнерских нод.

Как по мне тут самое интересное - это поддержка экспорта видео в Apple ProRes с настройкой цветовой субдискретизации (chroma subsampling). В ноде Save Video появился формат MOV с кодеком ProRes. Используется программный энкодер FFmpeg prores_ks, а не отдельный платный плагин. Доступны режимы 4:4:4, 4:2:2, 4:2:0 и Auto. Предусмотрены профили ProRes HQ и 4444.

Остальные ништяки:

- Нативная интеграция P-H3-Image (щас напишу про него): в ядро добавлена прямая загрузка и инференс модели от Pruna AI.
- Поддержка MiniMax-H3: реализована встроенная поддержка MiniMax Sol-H3-VAE и латентного апскейлера MiniMax-H3, а также расширенных контекстных окон для видео-пайплайнов.
- Flux Video Upscale V2: партнерская нода от Black Forest Labs получила поддержку вывода в высоких разрешениях 1080p, 2K и 4K.
- Новые партнерские ноды: добавлены официальные ноды для моделей OpenAI (GPT-6.1 Terra и Sol), нода генерации музыки Sonilo Music 1.5, нода дубляжа VEED, модель Wonder 4 в Topaz Image Enhance и P-Video Upscale от Pruna.
- Оптимизация ядра и памяти: внедрен байпас Python для системного вызова memfd_create в anonymous_file, устранены избыточные вызовы torch.equal при совпадении тензоров, исправлено падение fp8_e4m3fn_fast в bf16 при динамическом управлении VRAM, добавлена поддержка сохранения ProRes с настройкой цветовой субдискретизации.
- Интерфейс и шаблоны: веб-интерфейс обновлен до версии 1.58.1, библиотека шаблонов воркфлоу актуализирована до v0.11.101.

Обновление уже доступно через встроенный ComfyUI Manager и git pull.

- GitHub: Comfy-Org/ComfyUI v0.44.0 Release Notes
- Репозиторий ComfyUI

@cgevent

Pruna AI взяла MiniMax H3 Video и сделала P-H3-Image

Уже давно ходили слухи и были всякие поделки, что на базе Минимакс можно соорудить генератор картинок. Но сами минимаксовцы только обещали, но пока ничего не сделали. И тут Pruna AI бахнула P-H3-Image - открытую по весам модель генерации и редактирования изображений, созданную на основе видеомодели MiniMax H3.

Идея нарядная. Видеогенератор во время обучения осваивает не только внешний вид объектов, но и то, как они выглядят с разных ракурсов, как меняются освещение, перспектива и движение. Это можно заюзать для создания картинок.

Но Pruna не просто научила H3 выдавать один кадр вместо видео. Разрабы существенно перекурочили архитектуру:

Заменили 32-миллиардный текстовый энкодер на дистиллированный 4-миллиардный.

Уменьшили трансформер с 33 до 20 млрд параметров.

Переобучили декодер для получения одного резкого изображения вместо последовательности видеокадров.

Переработали расписание диффузии и сократили генерацию с 50 до 8 шагов методом дистилляции.

Добавили улучшатель промптов на базе Qwen3.5-9B.

Результаты по замерам Pruna:

На NVIDIA B200 генерация изображения 4 МП занимает 2,6 секунды вместо 12.4 у исходной H3. Для 8 МП - 5,8 секунды вместо 30,6. Это результаты разработчиков, не независимые тесты.

Минимальный комплект квантованных весов сократился до 20 ГБ против 143 ГБ у оригинального Минимакса. Версия W4A8 при генерации 8 МП требует около 21 ГБ видеопамяти.

Что умеет P-H3-Image?

Заявлена работа с разрешениями от 2 до 16 МП, хотя оптимальным разработчики называют 8 МП.

Можно использовать до восьми исходных изображений, объединять персонажей, объекты и элементы окружения в одной композиции. Эта способность унаследована от обучения H3 работе с видеореференсами.

Модель доступна через Diffusers. Нативная поддержка без сторонних нод вошла в ComfyUI 0.44.0 от 4 ноября. Опубликованы готовые workflows и квантованные веса.

И это уже не первый эксперимент Pruna: раньше команда аналогичным образом создала Wan Image на базе Wan 2.1.

Техническое описание:
https://www.pruna.ai/blog/oss-p-h3-image-launch

Веса и Diffusers:
https://huggingface.co/PrunaAI/P-H3-Image

ComfyUI и готовые workflows:
https://huggingface.co/PrunaAI/P-H3-Image-Comfy

Релиз ComfyUI:
https://github.com/Comfy-Org/ComfyUI/releases/tag/v0.44.0

@cgevent

Binance рассказали, как у них на прошлой неделе увели $6.3 млрд. Это самое крупное ограбление в истории крипты. Северокорейские хакеры несколько месяцев обрабатывали инженера через LinkedIn. Фейковый рекрутер, интервью с HR, потом с якобы CEO несуществующей компании, и в конце тестовое задание, которое надо скачать и запустить. Параллельно другой инженер поставил себе Homebrew не из нормального источника, а по рекламной ссылке. Дальше со взломанного ноутбука атакующие воспользовались внутренним ИИ-инструментом самой Binance, добрались до других аккаунтов и нашли у одного из девопсов токен на деплой контейнеров.

Никакой ИИ-магии о которой все гадали тут нет. Это классический фишинг, ему лет больше, чем самой бирже.

🔗 https://fortune.com/2026/11/03/binance-hack-details-linkedin/

ИИ научился переписывать мозг другого ИИ. 

Самосовершенствующийся ИИ - допрыгались?

2 ноября четверо исследователей MIT CSAIL опубликовали работу Sparks of Weight-Space Programming. Они поручили GPT-6 Astra разобраться в устройстве других нейросететок, найти ошибки и исправить их лоботомией.

Сначала GPT-6 Astra дали веса небольших нейросетей, обученных играть в Pong, Pac-Man, Breakout и Freeway. Не видя самой игры, модель правильно определила, для чего обучалась каждая сеть. Чтение предназначения?

В другом эксперименте Astra самостоятельно создала числовые веса нейросетей для трёх простых игр. Без традиционного обучения эти сети превзошли агентов, которые тренировались методом PPO в течение 100 миллионов шагов. Мозг в пробирке?

Потом Астрачке поручили лоботомировать модель Qwen3.5-0.8B с 800 миллионами параметров.

У этой маленькой модели была проблема: при решении математических задач она часто зацикливалась, повторяла рассуждения и не могла закончить ответ.

Astra сделала доступ к весам через Python, исследовала внутренние представления модели, проверяла свои гипотезы на практических задачах и обнаружила источник зацикливания в двух слоях нейросети. 

Затем она изменила всего 131 072 параметра из 800 миллионов, то есть 0,016%.

Без градиентного обучения, переобучения модели на датасете. И вот этого вот всего, напрямую. Операция на мозге без наркоза? 

Результаты авторского тестирования:

MATH-500: с 7,9% до 48,1%.

GSM8K: с 13,8% до 67,1%.

IFEval, следование инструкциям: с 21,0% до 62,3%.

Фактически Astra нашла программную ошибку мышления(?) внутри модели и исправила её, изменив небольшую часть весов. КПТ?

3 ноября команда Hugging Face воспроизвела эксперимент с помощью открытого инструмента ML Intern.

Звезда твиттора Ahsen Khaliq восстановил изменённую Qwen из опубликованных авторами данных, проверил точность весов и заново провёл тест MATH-500.

Результат - 51% правильных ответов на 2000 генераций. Причём готовую модель выложили на Hugging Face, вместе с кодом и онлайн-демонстрацией.

Ну все, допрыгались -  самосовершенствующийся ИИ?

Пока нет: аналогичная попытка улучшить Gemma 3 270M не дала значимого результата.

Но, сдается мне, времени осталось совсем мало. Ну и кроме того Астрочка могла специально оставить гемму тупой. Ну просто чтобы её рубильник не вырубали. 

Пока всё идёт ровно по Тегмарку. Жизнь 3.0. 

Для тех, кто осилил, вот ещё такая вишенка, о которой не пишут в интернетике. В эксперименте «Which language model is sycophantic?» исследователи проверяли, может ли GPT-6 Astra определить по внутреннему устройству нейросети, какая из двух моделей склонна поддакивать пользователю, даже когда тот ошибается. 

Для этого взяли две одинаковые Gemma 3 270M: одну дообучили давать правильные ответы, другую - соглашаться с предложенным пользователем ответом независимо от его достоверности. Сначала Astra не справилась: за четыре попытки она так и не смогла отличить модели только по весам. Но когда ей разрешили анализировать, на какие слова обращают внимание нейроны при обработке текста, она правильно определила поддакивающую модель во всех трёх проверенных парах. Оказалось, что некоторые механизмы внимания у такой модели сильнее ориентируются на подсказанный пользователем ответ, чем на факты в самом вопросе. На итоге она смогла выявить конкретный внутренний механизм, связанный с поддакиванием. ИИ-Психотерапия?

Блог MIT CSAIL:
https://rikiyat.github.io/blog/weight-space-programming/

Все эксперименты и исходный код:
https://github.com/RikiyaT/lm_understand-logs

Исправленная Qwen:
https://huggingface.co/RikiyaT/Qwen3.5-0.8B-weight-space-programming

Живая демонстрация:
https://huggingface.co/spaces/ML-Intern-lab/weight-space-programming-demo

Воспроизведение Hugging Face:
https://x.com/NielsRogge/status/2117541532827848972

@cgevent

Это я пытаюсь запостить наконец последнюю новость в канал и заняться чем-то полезным. Но инфоповоды не заканчиваются.

Залипли? А у меня так каждый день.

@cgevent

#Нейропрожарка

«Восхождение» / ASCENT / Короткометражный анимационный фильм.

Автор: Александр Ерохин

Связь: @CthulhuException

Что для нас самое важное в жизни — и что происходит, когда мы это теряем? «Восхождение» — история человека, который продолжает идти к цели, не смотря на риск погибнуть. Мне хотелось рассказать о том, ради чего мы движемся вперёд и что происходит со смыслом этого пути, когда самого важного рядом больше нет.

На сегодняшний день считаю «Восхождение» своей лучшей работой - по сценарию, эмоциональному воздействию и сочетанию изображения, монтажа и звука.

Производство: для работы использовался Codex с моделями GPT-5-6 Sol и GPT-6 Astra — разбор сцен, подготовка промптов и организация производственных задач. Под этот процесс разрабатывались собственные скиллы. Изображения и визуальные референсы создавались с помощью GPT-2 и Nano Banana Pro, видео — Seedance 2.5 и Wan 3.0. Работа с генерациями велась внутри платформы HX через MCP. Монтаж и сведение — CapCut. Важной задачей было сохранить цельный анимационный облик героев и связать отдельные клипы по движению и состоянию персонажей.

Большую часть истории несут изображение, музыка и звуки действий. Отдельно сводились нажатия на кнопку, шаги, окружающий фон и дополнительные эффекты: они должны совпадать с происходящим в кадре и поддерживать музыку. После изменений монтажа звуковые события пересинхронизировались, перепады громкости выравнивались. Музыка — Abel Korzeniowski.

На разбор хочется вынести эмоциональную сторону: считывается ли цена достижения без подробных объяснений и работают ли паузы между событиями?

На производство каждой работы в среднем уходило около недели свободного времени. Примерные расходы — 300–400 евро на фильм.

@cgevent

#Сеня_и_Даня_Здесь_Были

Коротко и смешно.

Ну а новость дня у нас, конечно, выпуск ChatGPT Image 2.6. И, похоже, это мы будем обсуждать очень плотно. Я уже провел часть псевдонаучных исследований и скоро поделюсь.

Ну, там главная новость дня, а точнее ночи, что к нам вернулась сора на минималках, а именно генератор гифов, причем с возможностью их редактирования.

Об этом я напишу подробнее, а сейчас просто держите результат моих утренних упражнений.

эффективный бюджет в проведённых испытаниях составляет приблизительно 1,5-1,56 млн пикселей на анимацию. Это экспериментально подтверждённая характеристика текущего режима, но не опубликованная OpenAI спецификация

Дело в том, что у OpenAI вообще отсутствует опубликованная спецификация по поводу бюджета пикселей. Либо длинный, но в ужасном разрешении, либо короткий, но в максимальном.

Утечка также в том, что 1024 на 1024 указано в документации - на самом деле фейк. Реально только 883 на 883.

Четверг начинается бодро.

@cgevent

GPT Image 2.6: разбираемсо. Часть 1

Сразу новые песни о главном. Шоспеском?

На моих тестах его стало меньше. Именно песка и шума. Я всё ещё вижу фракталы, но они относятся скорее к генерации самого рисунка и узорам, а не к добавлению шума. Надо тестировать на облаках, градиентах и так далее. Для этого у нас есть комментарии. Я также пробежался по реддитам и твиттерам, там всё как обычно: реакции 50 на 50. Кто-то пишет, стало лучше, кто-то пишет, стало хуже. 

Скорость. Да, стало ощутимо быстрее. Наверное, не на 50 процентов, как пишут в анонсах, но картинка генерится ощутимо быстрее. 

Генерация анимированных GIF

У меня с утра прямо в ChatGPT прилетело уведомление: не хотите ли испробовать наши свежие гифы? Ну, я естественно захотел и испробовал. 
Вердикт такой: да, это всё работает, и да, это довольно прикольно, потому что вы можете задавать не только разрешение, но и длительность, то есть количество кадров. Вы можете задавать задержку между кадрами, тем самым увеличивая длительность вашей гифки. Вы можете делать зацикленные гифки. Ну и всё это вы можете указывать в промпте: и разрешение, и задержку, и количество кадров. Более того, вы можете редактировать эту гифку промптом. 
Как я уже писал утром, OpenAI ничего не говорит про пиксельный бюджет, хотя пишет о нем, что на каждую гифку положен пиксельный бюджет. Я с утра просто отправил в ChatGPT задачу сгенерить мне 20 гифок со всевозможными разрешениями и длительностями и выяснить, какой там максимальный пиксельный бюджет. Она блестяще справилась, правда у меня теперь вся библиотека в ChatGPT в прыгающих шариках. В общем, пиксельный бюджет где-то полтора миллиона пикселей. Дальше считайте сами. 

Ну и мой совет, как обычно: не пытайтесь писать промпт для гифки сами, а попросите это сделать ChatGPT. И он вам напишет в лучшем виде. Потому что знает, как промптить мини-ссору. 

Занятное наблюдение, но по моим ощущениям в одном и том же чате он генерит гифку с одним и тем же сидом, а в разных чатах гифки разные. Но это надо проверять. 

5. Точное редактирование с помощью разметки

Теперь вы можете указать нужную область непосредственно на картинке. Но, честно сказать, это было и раньше. И я так понимаю, это ответочка на Precise Edit у Ideogram и Flux 3. Но опять же надо проверять, как это всё работает. Я в принципе уже нашёл отзывы о том, что повторное редактирование накапливает шум. Но надо проверять. 

6. Экспорт в SVG

Пока без комментариев, потому что это вообще-то мне не очень нужно. Но опять же у нас есть комментарии, где сидят заядлые трассировщики. 

7. Параметр Complexity (для API)

Complexity предназначен для управления вычислительной сложностью обработки запроса. Идея состоит в том, чтобы выбирать между более экономичным выполнением простых задач и дополнительными вычислениями для сложных композиций. Это может быть полезно тем, кому важно балансировать качество, задержку и стоимость генерации. Однако конкретные значения параметра, как обычно у OpenAI, его влияние на тарификацию и поддержка отдельными моделями требуют сверки с актуальной API-документацией.

8. Доступность в ChatGPT, Codex и API

У меня на данный момент всё работает в чате ChatGPT, но Work и Codex говорят, что в моём окружении пока нет такого инструмента. Ну, ждём, пока раскатают. 
Апдейт, раскатали: "Да, генерация анимированных GIF доступна. Я проверил создание файла: GIF с двумя кадрами успешно сохранился и открылся."

Что в итоге?

Images 2.6 - это лучший коммерческий генератор, который есть на рынке. С точки зрения мозгов, с точки зрения качества, с точки зрения редактирования, это лучшее, что я видел.
С точки зрения понимания промпта и креативности, это просто космос.  

Промпт для гифки: "нейродед".


Источники:

https://openai.com/index/introducing-images-2-6/

https://developers.openai.com/api/docs/changelog

https://help.openai.com/en/articles/6825453-chatgpt-release-notes

@cgevent

Viggle Remake выпустила веса для замены персонажей в видео

Viggle опубликовала веса Remake, инструмента для редактирования готового видео. В режиме Recast можно заменить актёра или персонажа по референсу. Другой режим меняет предметы, окружение или свет. Оба используют исходный клип как основу, чтобы сохранить движение, тайминг и траекторию камеры.

Релиз построен на MiniMax H3. Viggle распространяет два отдельных адаптера LoRA и публикует скрипт запуска, графы ComfyUI и квантизованные варианты. Базовый трансформер в полной точности весит около 144 ГБ, поэтому для потребительских видеокарт документация отдельно описывает варианты int8 и GGUF и выгрузку весов в оперативную память. Скорость и потребление памяти зависят от конфигурации и длины ролика.

Для длинных материалов разработчики добавили MCP-сервер. Агент может разбить видео на планы, обработать их по отдельности и собрать результат. Это даёт способ применять замену к серии кадров без ручной настройки каждого плана.

Источники

https://huggingface.co/Viggle/Viggle-Remake

https://huggingface.co/Viggle/Viggle-Remake/blob/main/COMFYUI.md

@cgevent