Сам великий Kijai бахнул MiniMax H3 Turbo int8-convrot: ускоренную 4-шаговую модель видео и звука для ComfyUI

Kijai выкатил оптимизированную сборку MiniMax H3 Turbo int8-convrot, портирующую дистиллированную архитектуру TurboH3 от TurboDiffusion напрямую в экосистему ComfyUI. Чекпоинт позволяет генерировать кинематографическое видео с синхронизированной звуковой дорожкой всего за 4 шага сэмплирования вместо базовых 50, а продвинутое ротационное квантование int8-convrot ужимает гигантский 61-гигабайтный трансформер до 19.5 ГБ для работы на потребительских видеокартах.

В основе модели лежит метод дистилляции сопоставлением распределений (Distribution Matching Distillation, DMD). Релиз полноценно поддерживает генерацию видео со звуком по первому кадру (I2VA) и бесшовный морфинг между первым и последним кадром (FL2VA). Нейросеть генерирует не только визуальный видеоряд с естественной физикой движения, но и согласованный стереозвук (шумы окружения, звуковые эффекты и динамические фоновые текстуры).

Главная проблема запуска оригинального трансформера MiniMax H3 на локальных машинах заключалась в экстремальном объеме весов (более 61 ГБ в BF16) и числовых выбросах в слоях внимания. Метод convrot применяет ортогональное вращение матриц перед квантованием, распределяя дисперсию активаций и устраняя артефакты огрубления сетки. В результате прунинга и перевода в формат W8A8 модель легко помещается в память видеокарт класса RTX 3090, RTX 4090 и RTX 5080 с 24 ГБ VRAM.

Для запуска внутри ComfyUI рекомендован связка сэмплера Euler с расписанием simple, ровно 4 шага и значение CFG 1.0 (генерация без классификатора без условий экономит половину вычислительных ресурсов). Файл размещается в папке models/diffusion_models/ и подключается к стандартным нодам с базовыми текстовыми энкодерами и аудио-видео VAE.

https://huggingface.co/Kijai/MiniMax-H3_comfy

@cgevent

VIDEO REBIRTH бахнула HyperFlow H3 Flash: открытую 14B-модель со сжатием на 54% и генерацией за 6 шагов

HyperFlow H3 Flash - третий и самый технологичный релиз в линейке открытых генеративных систем HyperFlow. Архитектура представляет собой глубоко оптимизированную версию флагманского 32-миллиардного трансформера MiniMax-H3: разработчики урезали размер сети до 14 миллиардов параметров (сокращение на 54%), сократили процесс сэмплирования всего до 6 шагов и добились генерации 768p-видео со стереозвуком в реальном времени на кластере из четырех ускорителей NVIDIA B200.

В отличие от классических раздельных конвейеров, где видео генерируется без звука, а звук подбирается вторичной нейросетью, HyperFlow H3 Flash синтезирует визуальный ряд и синхронизированную стереодорожку (32 кГц) одновременно в едином процессе. Благодаря бездатсетной дистилляции потока (data-free flow distillation) число шагов денойзинга снижено с 50 до 4-8 шагов (дефолтный профиль - 6 шагов) без классификатора без условий (CFG = 1.0), сохраняя кинематографическую плавность и детализацию базовой BF16-модели.

Модель подготовлена к запуску на потребительских видеокартах: за счет компактного ядра 13.8B и квантования в форматы INT8 ConvRot и GGUF (вес квантованного файла Q4_K_M составляет около 9 ГБ) генератор комфортно разворачивается в ComfyUI на картах уровня RTX 3090, RTX 4090 и RTX 5080 с 24 ГБ VRAM. Поддерживаются все ключевые режимы: генерация по тексту, Image-to-Video, интерполяция первого и последнего кадров (FL2VA) и reference-to-video.

huggingface.co

@cgevent

Skywork AI бахнула Matrix-Game 4.0: открытый РЕАЛТАЙМОВЫЙ нейрорендер интерактивных 3D-игр с частотой до 67 FPS на RTX 5080

Matrix-Game 4.0 - модель мира (world model) для потокового фотореалистичного рендеринга видеоигр в реальном времени. В отличие от концептуальных демо, Matrix-Game 4.0 представляет собой полностью играбельный гибрид: исполняемый движок на C++20 отвечает за физику, геометрию, коллизии и ввод игрока, а каузальная диффузионная видеомодель на лету превращает легковесный low-poly поток в графику кинематографического уровня.

В основе архитектуры лежит строгое разделение задач: движок генерирует чистый низкополигональный RGB-поток без задержек, а каузальный диффузионный трансформер (DiT) с ультрабыстрым видеокодеком TAEHV (Tiny AutoEncoder for Video) преобразует его в фотореализм всего за один шаг денойзинга в пресете realtime. Игровой интерфейс (HUD) и пространственный звук вынесены за пределы нейросети и накладываются поверх кадрово-синхронизированными слоями, что исключает галлюцинации цифр, прицела и шрифтов.

Разработчики реализовали глубокую аппаратную оптимизацию под архитектуру NVIDIA Blackwell и Ada Lovelace: линейные слои в FP8, кастомные фьюженные ядра, графы CUDA и опциональный механизм внимания SageAttention. В результате чистая пропускная способность нейрорендера достигает 67 FPS на RTX 5080 и 58 FPS на RTX 5070 Ti в разрешении 864x480. Для серверных инсталляций и энтузиастов предусмотрены профили под RTX 5090 и ускорители A100 80GB.

Релиз включает три готовые игровые локации: Medieval Castle и Ancient Egypt для шутеров от третьего лица, а также городскую трассу City Racing с режимами гонки на время и полицейской погони. Проект поддерживает локальный запуск на 48+ FPS без видеокарты для правки механик через C++20/SDL2, оффлайн-рендер геймплея в 1080p, а также стриминг в любой веб-браузер по WebRTC через связку MediaMTX и GStreamer без необходимости установки клиента.

github.com
huggingface.co
matrix-game-v4-0.github.io
arxiv.org

@cgevent

Mirage бахнула 3D-движок Tesseract для Claude: процедурный GPU path tracing сцен кинематографического уровня без ВСЯКОЙ ВИДЕОГЕНЕРАЦИИ

Меня последнее время пробивает на Three.js и на то, как LLM-ки скоро будут генерить видео и 3D просто кодом.

Mirage показала вот такую кинематографическую сцену ночной кухни под дождем, собранную и отрендеренную Клодом с помощью локального движка Tesseract.

При создании ролика не использовалась ни одна генеративная видеомодель: окружение, шейдеры, капли воды, объемный свет и движение камеры полностью построены агентом процедурно и просчитаны через честный аппаратный GPU path tracing.

В отличие от «черных ящиков» видеодиффузии, страдающих от временного мерцания, потери консистентности и деформаций геометрии, связка Claude и Tesseract использует процедурный подход к продакшену. Движок предоставляет агенту набор специализированных навыков (tesseract-3d, tesseract-motion, tesseract-video) и консольную утилиту tsrct.

Агент транслирует творческие директивы в структурированный JSON-документ проекта .tsrct, управляя 3D-пространством, импортом моделей Blender/glTF, физическими PBR-материалами и кейфреймами анимации.

Главное преимущество такого пайплайна - абсолютная контролируемость и бесконечная редактируемость. В любой момент можно попросить Claude изменить траекторию пролета камеры, скорректировать теплоту ламп или переставить чайник на плите без необходимости заново генерировать видео с нуля. Инструментарий Tesseract полностью кроссплатформенный (Windows, macOS, Linux), работает в Claude Code, ChatGPT и Cursor и подключается одной командой npx skills add mirage-hq/Tesseract.

Источники:
github.com
mirage.app

@cgevent

Viggle бахнули Viggle Image Swap: LoRA для Qwen-Image-2.1 для замены персонажей на фото

Проект переносит фирменную технологию Viggle по замене людей из видео в сегмент статичной графики: нейросеть целиком подменяет человека на фото (лицо, прическу, анатомию и одежду) на персонажа из модельного листа (character sheet), сохраняя позу, эмоциональное выражение, ракурс кадра, освещение и фон.

Для точного переноса внешности пайплайн использует концепт-листы разрешением 1536x1024, где левая треть отведена под крупный портрет, а правые две трети - под полноростовой трехпроекционный вид (спереди, сбоку, сзади). При этом для реальных людей достаточно вклеить фотографию лица в слот портрета. Система поддерживает замену сразу нескольких персонажей на групповом снимке с точным пространственным позиционированием (ключи --left и --kept), позволяя подменять одних людей и оставлять других участников сцены нетронутыми.

Технически адаптер обучен в формате bfloat16 с рангом LoRA 256 (alpha 256) под пайплайн QwenImage21Pipeline библиотеки Diffusers. Ключевое достоинство - экстремальная скорость сэмплирования: генерация занимает всего 6 шагов без классификатора без условий (CFG scale 1.0) по кастомной шкале сигм. В режиме --turbo модель делает 2 начальных шага на базовой сети и передает латентное представление модели Qwen-Image-2.1-Turbo еще на 6 шагов, обеспечивая микроконтраст и бритвенную резкость фактур ткани и кожи.

В состав открытого репозитория авторы включили оптимизированный скрипт вывода inference/swap.py. В нем тяжелая операция патч-эмбеддинга Conv3d визуального энкодера заменена на эквивалентное матричное умножение (matmul), что срезает около 30 секунд чистого времени подготовки на каждую входную картинку. Веса viggle-image-swap-v0.1-lora.safetensors уже доступны на Hugging Face вместе с готовыми примерами инференса.

Источники:
huggingface.co

@cgevent

Наверное надо написать отдельный пост про Тессеракт: почему процедурный 3D-движок для Claude типа "хоронит" традиционную диффузию видео

Mirage (создатели вирусного видеосервиса Captions) разработала Tesseract - принципиально новый тип инструментария для автономных агентов (Claude Code, Cursor, ChatGPT, Codex). В отличие от диффузионных видеомоделей, генерирующих монолитные «слепые» пиксели в MP4, Tesseract представляет собой локальный детерминированный движок видеомонтажа, анимации и 3D-графики с нативным GPU path tracing.

Что такое Tesseract и как он устроен: это связка скомпилированного нативного CLI-инструмента tsrct и набора специализированных навыков (Agent Skills: tesseract-3d, tesseract-video, tesseract-motion, tesseract-design). Агенту больше не нужно кликать по перегруженным интерфейсам Blender, Unreal Engine или After Effects. Получив бриф на естественном языке, LLM напрямую формирует и редактирует структурированный документ проекта формата .tsrct, описывающий таймлайн, слои, геометрию, материалы, траектории камер и аудиодорожки.

Чем Tesseract знаменит и почему взорвал индустрию: он решает главную фундаментальную проблему видеогенераторов - тотальную невозможность точного редактирования и галлюцинации геометрии. В обычной диффузии нельзя амедлить камеру на 15%, не перерендерив весь ролик с непредсказуемыми искажениями лиц и конечностей. В Tesseract каждая сцена является физически честным трехмерным пространством: агент расставляет полигональные меши (включая импорт ассетов glTF/Blender), назначает PBR-материалы, источники освещения и кейфреймы анимации.

Для финальной отрисовки движок использует встроенный аппаратный трассировщик путей (GPU path tracer). Именно он позволил Claude без единой генеративной видеомодели процедурно собрать ту самую вирусную ночную кухню: с честными отражениями в лужах на полу, преломлением света сквозь залитое каплями дождя стекло и мягкими тенями. При этом для быстрой проверки компоновки агент может переключаться на моментальный растеризатор, а готовый проект экспортируется в форматы Adobe Premiere Pro (.prproj) и After Effects (.aep) для дальнейшей ручной полировки.

github.com 
mirage.app 

@cgevent

NVIDIA бахнула SOMA-X: открытый унифицированный фреймворк 3D-моделей тела и рук, тролящий лицензионный ад от SMPL и MANO

NVIDIA Research выложила в открытый доступ SOMA-X (Unifying Parametric Human Body Models) под свободной лицензией Apache 2.0. Это универсальный дифференцируемый фреймворк, призванный решить главную фундаментальную проблему индустрии компьютерного зрения, мокапа и цифровых людей последнего десятилетия - фрагментацию топологий и жесткие лицензионные ограничения проприетарных академических моделей.

Исторически в задачах реконструкции человека, трекинга поз и генерации движения де-факто доминировали модели семейства SMPL, SMPL-X и кистевая MANO от Института Макса Планка. Однако их жесткая некоммерческая лицензия связывала руки индустрии, а появление независимых решений вроде MHR от Meta или Anny от Naver породило ад несовместимости: разные топологии сеток, иерархии суставов, скелеты и форматы координат требовали написания кастомных адаптеров под каждую пару моделей с квадратичной сложностью O(M^2).

SOMA-X полностью разделяет репрезентацию формы тела (identity) и параметризацию позы (pose), сводя задачу к стандартным коннекторам сложности O(M). Архитектура опирается на три уровня абстракций: абстракцию топологии сетки с отображением в общее каноническое пространство за константное время на вершину, скелетную абстракцию с вычислением суставных трансформаций в один замкнутый аналитический проход без тяжелой итеративной оптимизации, а также инверсию скиннинга для извлечения унифицированных вращений костей напрямую из вершин деформированного меша.

Фреймворк поставляется с двумя базовыми скелетами: полным Full SOMA skeleton на 77 суставов (включая детальную артикуляцию пальцев и мимики лица) и облегченным Simplified SOMA skeleton на 30 суставов для физических симуляций и робототехники. Вся математика полностью дифференцируема и аппаратно ускорена на GPU через NVIDIA Warp, что дает микросекундный инференс. Библиотека оформлена пакетом py-soma-x на PyPI, поддерживает многоуровневые LOD (SOMALayer и SOMAHandLayer) и готова к свободному коммерческому внедрению в связке с открытыми датасетами.


github.com
arxiv.org
nvlabs.github.io

@cgevent

ByteDance бахнула генератор картинок Seedream 5.5, который поддерживает теперь 100(!) итерациий правок и нативный RGBA

ByteDance раскатала Seedream 5.5 в экосистеме Dreamina, CapCut и облачной платформе BytePlus.

И это ответочка на presise edit от Флюкса и Идео.

Они хотят перевести пайплайн генерации из разовых концептов в промышленный пайплайн графдизайна, решая проблему деградации пикселей при многократном редактировании.

Главная фича, соответственно - поддержка ультрастабильного локального редактирования с глубиной до 100 последовательных раундов.

Архитектура из коробки поддерживает нативную генерацию в RGBA с полноценным альфа-каналом прозрачности.
В пятерку уже был встроен механизм автоматического разделения слоев (layer separation), разбивающий сгенерированную композицию на фон, визуальные элементы и редактируемые текстовые блоки. Улучшили и подпилили.

Для коммерческой полиграфии и маркетинговых креативов переработали блок типографики: частота критических искажений текста снижена до 0.4%, обеспечивая чистую отрисовку мелких шрифтов и плотных плакатных композиций на 14 языках.



На итоге:

• Стабильное мульти-итеративное локальное редактирование до 100 итераций без деградации фона
• Нативная генерация прозрачности RGBA с альфа-каналом для волос, стекла и сложных силуэтов
• Автоматическое разделение слоев на фон, графические объекты и типографику
• Частота критических искажений текста снижена до 0.4% при поддержке 14 языков
• Прирост метрики реализма GSB на 55.62% в сравнении с предыдущим поколением

Брать тут или ждать апи:

Dreamina

BytePlus

CapCut

@cgevent

Чтото приподустал я за сегодня.

Пивчанского, Прожарку и .. читать новости.

Апражарачка огонь сегодня.

@cgevent

#Нейропрожарка

🎬 Фильм: «КУКАРЕКУ» / KUKAREKU

Автор: режиссёр, сценарист и AI-креатор Александра Бычкова @Bychkova_Aleksandra


⏱️ Хронометраж: 8 минут 37 секунд
🛠️ Срок производства: около 2 месяцев
🤖 Формат: AI-generated film

💡 Как всё началось.

Мне хотелось создать что-то, чего еще не было.
Так появился «КУКАРЕКУ» — абсурдистская драматическая история о любви, одиночестве и мире, который однажды изменился навсегда.
В этом мире после странного происшествия привычная жизнь превращается в абсурд: люди и люди-куры живут бок о бок, а в центре всей этой невероятной истории оказывается Марк — человек, который потерял вкус к жизни, ему было все равно на все и всех, но неожиданно для самого себя он сталкивается с любовью и настоящей дружбой.
За внешней странностью происходящего скрывается вполне человеческая история.

Мне было интересно исследовать, как далеко можно зайти в абсурде.

Это самая продолжительная моя работа и самая странная наверно. Готового сценария вообще не было, каждая сцена придумывалась исходя из предыдущей. Что тоже не особо мне свойственно.

🔥 Самое сложное:

Создание антропоморфных персонажей, людей-куриц, учитывая, что их наряды тоже специфичные, тут была прям поэтапная сборка.

🧪 Что использовала:

• Recraft V4 — генерация изображений и визуальных материалов.
• Seedream 5 Pro — создание персонажей и изображений.
• Seedance 2.0 и Seedance 2.5 — генерация и анимация видеосцен.
• FLUX 3.0 — генерация видео для дальнейшего использования голосовой дорожки.
• Photoshop 2026 — композитинг и ретушь.
• Adobe Premiere Pro — монтаж и цветокоррекция.
• CapCut — дополнительный монтаж.
• ElevenLabs Music и Suno 5.5 — работа со звуковым и музыкальным оформлением.

Большинство шотов были сделаны в Seedance 2.0, потом вышел Seedance 2.5, и некоторые шоты я переделывала.

📌 Итог

Около двух месяцев работы — и фильм продолжительностью 8 минут 37 секунд.
Для меня «КУКАРЕКУ» — эксперимент с границами AI-кинопроизводства.
Ссылка: https://youtu.be/E3UefSV5-kY

@cgevent

#Сеня_и_Даня_Здесь_Были

Эта неделя будет просто огненной. Даня чуть притормозил и вместо 5.5 бахнул 5.2.

Думаю, что Сеня не выдержит такого удара и все-таки бахнет 6.2. 

А ещё на этой неделе, скорее всего, выйдет Gemini Carbon от Google. 

Но сегодня у нас будет /не/большой Антропик марафон. Итак:

Anthropic бахнула флагманские модели Claude Fable 5.2 и Claude Mythos 5.2

Anthropic представила новое поколение флагманских моделей: общедоступную Claude Fable 5.2 и исследовательскую Claude Mythos 5.2 для решения сложнейших инженерных, научных и математических задач.

Обе модели построены на единой архитектуре, но разделены по профилям безопасности. Fable 5.2 доступна всем (хорошо платящим) пользователям, а Mythos 5.2 предназначена для верифицированных организаций в сфере киберзащиты и биомедицины. В тестах самомго Антропика модель спроектировала три работающих электронных устройства с нуля и формализовала доказательство Великой теоремы Ферма за 30 часов.

На итоге:

• Рост скорости и снижение цен: вывод на 30% быстрее версии 5.1, а базовая цена снижена до $8 за миллион входных и $40 за миллион выходных токенов

• Режим Fast Mode: опциональное ускорение генерации токенов до 2.5 раз ($16 / $80 за миллион токенов) для критичных к задержке задач

• Доступность: обе модели запущены в веб-интерфейсе Claude, в API Anthropic, а также на платформах AWS Bedrock и Google Cloud Vertex AI


Бенчмарки, конечно, хорошо, но интересно, как модель ведет себя в произвольных условиях, скажем так. Об этом и поговорим. 

Официальный анонс Anthropic

@cgevent

Первые впечатления от Fable 5.2 от твитторских


Спойлер. Смотрите пункт семь.

1. Самый странный RL (Reinforcement Learning), который я когда-либо видел.

В одних задачах модель демонстрирует гениальные способности, в других - тупит совершенно невероятным образом.

В чисто программистских задачах она как минимум на уровне Opus 5.5. Но стоит попросить её решить какую-нибудь нестандартную задачу, не связанную с кодингом, и качество ответов падает до уровня GPT-3.5.

Я попросил Fable 5.5 и GPT-6 Astra детально проработать идею проекта. Ответ Fable оказался полным мусором.

2. У моделей Fable всегда были проблемы с чувством дизайна (design taste), причём даже более серьёзные, чем у Opus.

Но на этот раз Fable удивила меня полным отсутствием дизайнерского вкуса.

Например, в длинном списке она зачем-то добавила сразу два независимых элемента паджинации (pagination controls): один раскрывает уже загруженный список данных, а второй, расположенный под ним, подгружает новый контент.

Кроме того, в твитторе можно найти множество демо с весьма посредственными результатами, которые выглядят даже хуже, чем работы Opus.

3. Похоже, это самая прожорливая по токенам модель в мире.

Заявленное снижение цены не имеет никакого смысла, если Fable 5.2 расходует в четыре раза больше токенов, чем Fable 5.1.

4. Самая педантичная модель из всех.

Она постоянно пытается доказать, что пользователь неправ.

Скажите ей, что снег белый, и она найдёт миллион причин, почему это утверждение не совсем корректно.

У GPT-6 Astra тоже была эта раздражающая особенность.

5. Заметно выросла скорость.

При уровне reasoning effort medium модель отвечает практически мгновенно.

6. Fable 5.5 приобрела качество, которое раньше было характерно для Sonnet 5.5 - исполнительность и тщательность (diligence).

Взявшись за задачу, модель неоднократно проверяет свою работу, вносит исправления и повторяет итерации, пока не добьётся качественного результата.

7. В задачах программирования разницы с Opus 5.5 практически нет.

Во всех остальных аспектах Opus 5.5, на мой субъективный взгляд, превосходит Fable 5.5.

Общий вывод

Мне никогда особенно не нравились модели Fable. Я не вижу в них большого смысла.

Они упрямые, перегружены защитными фильтрами (guardrails), обладают слабым дизайнерским вкусом, дорого обходятся, потребляют огромное количество токенов и в некоторых областях уступают линейке Opus.

Новая модель не стала исключением.

На мой взгляд, Fable 5.2 не имеет особого смысла. И, кажется, я понимаю, почему этот релиз назвали именно 5.2, а не 5.5.

Революционного скачка, сопоставимого с переходом от Opus 5 к Opus 5.5, просто не произошло.

Сурс

@cgevent

Anthropic пояснили за то, почему не стоит использовать Fable 5.2 для большинства задач

Они бахнули большое руководство по выбору моделей Claude. И главный вывод довольно любопытный: Павлика вовсе не рекомендуется использовать где попало.

Anthropic предлагает следующую схему:

Haiku 5.5 - массовые дешёвые операции, классификация, извлечение данных, простые субагенты.

Sonnet 5.5 - повседневный кодинг, исправление багов, работа по техническому заданию и интерактивные задачи.

Opus 5.5 - основная рабочая модель для сложного программирования, анализа и агентных задач.

Fable 5.2 - наиболее сложные технические проекты, архитектура, масштабные рефакторинги, научные исследования и продолжительные автономные запуски.

Интереснее всего сравнение Fable и Opus.

Fable 5.2 стоит 8/40 за миллион входных/выходных токенов против 4/20 у Opus 5.5. Но даже на сложных задачах более дорогая модель не обязательно показывает лучшие результаты.

Например, на FrontierCode 2.0 Fable 5.2 с effort high набрала 45,3%, а Opus 5.5 с max - 45,5%. При этом стоимость выполнения задачи у Fable оказалась примерно вдвое ниже. Это результаты, приведённые самой Anthropic.

Они также рекомендуют не запускать все задачи на максимальном reasoning effort, а повышать его только при необходимости. Простую работу лучше отдавать дешёвым субагентам, оставляя дорогим моделям принятие сложных решений.

Anthropic советует начинать с Opus 5.5 на medium, а переходить на Fable 5.2 только тогда, когда задача действительно требует её возможностей.

Источник:
https://claude.dev/blog/which-claude-model-should-you-build-with/

@cgevent

Лол, Антропики выкатили новые модельки, а в анонсе интересная приписочка. Там они какого-то хрена поставили оптимизацию ядер GPU в тот же раздел "Меры безопасности", что и хакинг с биологией.

А самое интересное, что ежели кто-то таки решится оптимизировать вычисления на видеокарте, то никакой плашки уровня "извините, я не могу помочь с этим" не появится — моделька просто будет писать говнокод уровня Opus 5.5 (ладно, может и не говнокод, но хуже, чем могла бы). И обычным джейлбрейком обойти это не получится, потому что её "затупили" в этом направлении ещё при обучении.

Объясняют это страхом перед ускорении разработки ИИ, который случайно может создать Скайнет прямо на серверах и убить всех человеков.

В твитторе уже горят жопы, ибо работа с ядрами — это в том числе то, благодаря чему старая 3090 ещё вывозит новые локальные модельки. Отсюда и подозрения: а точно ли это ради безопасности, а не чтобы всякие Васяны меньше ускоряли локалки и охотнее несли шекели за API? Доказательств этому, понятно, нет, но мы-то с вами знаем.

Железо дорожает, память скупают дата-центры, а теперь ещё и помочь выжать побольше из того, что осталось потенциально опасно. Спасибо, блядь

Блендор или генерация? 

Скоро мы будем задаваться таким вопросом: Сиданский или Блендор+Astra\Fable\Carbon.

Чувак в Твиттере пишет, что это Fable писал код на Питонге для управления Блендором. И всё.  

Но я чего-то даже не верю. 

@cgevent