Google запустила Gemini 4 Carbon — свою найпотужнішу модель для складних багатоетапних завдань. Вона може автономно працювати над великими кодовими проєктами кілька днів поспіль, знаходити помилки та виправляти їх.
ㅤ
ㅤ
• Результати тестів. Carbon посіла перше місце в Artificial Analysis Intelligence Index із 59 балами. У WebDev Arena модель набрала 1768 балів і посіла четверте місце.
ㅤ
• Кібербезпека. Модель виявляє 88,2% вразливостей у SEC-bench Pro, набирає 54,8% в ExploitGym і виправляє 71% проблем у CWE-bench.
ㅤ
• Якість коду. За внутрішніми тестами Google, Carbon більш ніж удвічі успішніше за Argon генерує безпечний код і приблизно вдвічі рідше видає непідтверджені твердження.
ㅤ
• Менше помилок у роботі. Кількість серйозних відхилень від інструкцій у внутрішніх тестах скоротилася майже на 80%.
ㅤ
• Командна розробка. У Google Antigravity з’явився
/swarm: один запит запускає групу ШІ-агентів, які паралельно планують, пишуть і перевіряють код. Carbon може координувати роботу, проєктувати архітектуру або проводити аудит змін.ㅤ
Gemini 4 Carbon доступна через API за ціною $2 за мільйон вхідних і $10 за мільйон вихідних токенів. Після 30 листопада ціна зросте до $4 і $20 відповідно.
ㅤ
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
❤12🔥2👏1
Anthropic додала до Claude три нові інструменти для командної роботи: Sheets, Whiteboards і Data. Тепер можна створювати таблиці, організовувати спільні обговорення, аналізувати корпоративні дані та працювати зі сторонніми застосунками в одному середовищі.
ㅤ
ㅤ
• Claude Sheets: створює таблиці за текстовим запитом, додає формули, форматування, випадаючі списки та окремі вкладки. Користувачі можуть разом із Claude редагувати комірки, відстежувати зміни та експортувати результат в Excel або CSV.
ㅤ
• Claude Whiteboards: перетворює обговорення на спільну віртуальну дошку. Claude групує ідеї, створює плани з термінами та відповідальними, а готовий результат може перенести в документ або презентацію.
ㅤ
• Claude Data: колишній Claude Dashboards тепер доступний у повноцінному релізі. Інструмент підключається до корпоративних джерел даних, зокрема Snowflake і Salesforce, та створює інтерактивні дашборди, графіки й історії з поясненням показників.
ㅤ
• Інтерактивні конектори: Adobe, Atlassian, Box, Notion та інші сервіси можуть відкриватися безпосередньо всередині Claude. Користувач працює з повноцінним інтерфейсом застосунку, а Claude допомагає змінювати відкриті файли та дані.
ㅤ
• Спільний контекст: результати різних інструментів можна поєднувати. Наприклад, спочатку зібрати ідеї на дошці, перетворити їх на таблицю, а потім створити дашборд без повторного пояснення завдання.
ㅤ
Sheets і Whiteboards запущені в бета-версії, Claude Data доступний повноцінно. Усі три інструменти працюють на платних тарифах.
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥9❤🔥2👍2❤1
Media is too big
VIEW IN TELEGRAM
Дослідники NVlabs представили відкриту модель для відновлення деталей у відео низької роздільності. Вона перетворює ролики з роздільністю від 384P до 4K, намагаючись зберегти вихідні обличчя, рух губ, написи та композицію.
ㅤ
ㅤ
• Збереження оригіналу: на відміну від попередньої версії, IC не зашумлює вихідне відео перед відновленням. Воно залишається в чистому вигляді в контексті трансформера Ref2VA, а деталізована версія генерується паралельно. На кожному кроці модель звертається до оригінальних кадрів через механізм уваги.
ㅤ
• Менше спотворень: такий підхід допомагає зберігати риси обличчя, синхронізацію губ, дрібний текст і розташування об'єктів. Це особливо важливо для рекламних роликів, портретів і відео з активною мімікою.
ㅤ
• Роздільність до 4K: модель підтримує відновлення відео з 768P до 2K і 4K. Також показано роботу з вихідними роликами 384P, які можна покращувати до 768P.
ㅤ
• Три кроки генерації: стандартний режим up3 використовує лише три виклики трансформера для відновлення відео у 2K. Для 4K передбачений режим up4 із чотирма кроками. Також доступний повний восьмикроковий режим.
ㅤ
• Збереження звуку: під час обробки оригінальна звукова доріжка копіюється у фінальне відео без змін.
ㅤ
Код і реалізація доступні у відкритому репозиторії NVlabs/Sana. Модель побудована на базі MiniMax H3 та використовує архітектуру Ref2VA.
Please open Telegram to view this post
VIEW IN TELEGRAM
❤13👍3👏2
Media is too big
VIEW IN TELEGRAM
У Runway з’явився Sightline — інструмент, який створює панорамне оточення з оглядом на 360°. Після генерації можна вільно змінювати положення камери та обирати ракурси для окремих кадрів.
ㅤ
ㅤ
• Огляд на 360°. Можна створити панораму будь-якої локації та переглядати її з різних напрямків.
ㅤ
• Зміна ракурсу. Камеру можна спрямовувати в будь-яку точку віртуального простору, не створюючи оточення заново.
ㅤ
• Збереження цілісності. Під час зміни ракурсу розташування та вигляд навколишніх об’єктів залишаються узгодженими.
ㅤ
• Кілька кадрів з однієї локації. Можна обирати різні точки зйомки в межах одного віртуального середовища.
ㅤ
• Експорт у 3D. Готову панораму можна експортувати та використовувати як оточення в інших сценах.
ㅤ
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥8❤5❤🔥1
Alibaba запустила попередню версію Qwen4-Max — нової флагманської моделі для програмування, створення інтерфейсів, складних міркувань і роботи ШІ-агентів. Вона підтримує текст, зображення та відео.
ㅤ
ㅤ
• Контекст на 1 млн токенів. Модель може обробляти великі обсяги інформації в межах одного запиту.
ㅤ
• Довгі відповіді. Максимальний обсяг генерації — 393 216 токенів. У цей ліміт входять як внутрішні міркування моделі, так і фінальна відповідь.
ㅤ
• Мультимодальність. Qwen4-Max приймає текст, зображення та відео, що дає змогу аналізувати документи, знімки екрана й відеоматеріали.
ㅤ
• Інструменти та агенти. Підтримує вебпошук, виклик зовнішніх інструментів і формування структурованих даних. Основні напрямки застосування — програмування, розробка інтерфейсів і складні багатоетапні завдання.
ㅤ
• Доступ. Попередню версію можна використовувати через підписку Alibaba Token Plan, а також у QwenWork, Qoder, Qwen APP та QwenStudio.
ㅤ
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
❤8🔥4😁2
Media is too big
VIEW IN TELEGRAM
Google Labs запустила експериментальний сервіс Tabletop, у якому можна зібрати файли, посилання та ідеї в одному місці, а потім попросити ШІ створити інструменти для спільної роботи. Учасники можуть користуватися ними одночасно в реальному часі.
ㅤ
ㅤ
• Створення інструментів за запитом. Достатньо описати завдання або скористатися готовим шаблоном — Tabletop згенерує інтерактивний простір із потрібними функціями.
ㅤ
• Планування подорожей. Сервіс може створювати маршрути та інтерактивні плани поїздок, використовуючи додані матеріали й посилання.
ㅤ
• Голосування та турніри. Можна генерувати опитування для вибору ресторану чи іншого рішення, таблиці змагань і розподіл спільних витрат.
ㅤ
• Спільна робота. Готовим простором можна поділитися через посилання. Усі запрошені учасники зможуть взаємодіяти з інструментами одночасно — за принципом спільного документа Google.
ㅤ
• Зміна інструментів. Якщо завдання змінюється, можна знову звернутися до ШІ та попросити додати функцію або переробити вже створений інструмент.
ㅤ
Поки що Tabletop доступний за списком очікування лише користувачам зі США віком від 18 років.
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥11❤2❤🔥2
Розробник neuregex створив відкриту альтернативу Higgsfield — Freefield. Це набір готових інструментів для генерації та редагування зображень, відео, VFX і звуку, які працюють на моделях із відкритими вагами та можуть запускатися локально.
ㅤ
ㅤ
• 117 готових застосунків. У каталозі є генерація відео, заміна облич і персонажів, перенесення рухів, керування камерою, синхронізація губ, видалення фону, покращення якості та створення звуку.
ㅤ
• Різні моделі. Freefield використовує FLUX 3 Klein, LTX-2.5, MiniMax H3, Wan, Qwen Image Edit та інші моделі.
ㅤ
• Готові робочі схеми. Кожен застосунок — це звичайний workflow ComfyUI, який можна редагувати, зберігати й поєднувати з іншими. Для запуску достатньо вибрати інструмент, завантажити потрібні модельні файли та відкрити приклад.
ㅤ
• Перевірка на RTX 3090 Ti. Автор протестував 72 із 117 застосунків на відеокарті з 24 ГБ пам’яті та 104 ГБ оперативної пам’яті. Усі 72 запустилися без помилок.
ㅤ
• Без платних API. Проєкт безкоштовний, код доступний за ліцензією MIT. Генерація відбувається локально, але окремі моделі мають власні умови використання та потребують прийняття ліцензії на Hugging Face.
ㅤ
Встановити можна через ComfyUI Manager, знайшовши Freefield.
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥12❤2👏2👍1
Media is too big
VIEW IN TELEGRAM
MiniMax представила H3-Image — модель для створення та редагування фотореалістичних зображень. Вона генерує картинки роздільністю до 16 мегапікселів, точно виконує текстові інструкції та підтримує одночасне використання до 16 референсів.
ㅤ
ㅤ
• Висока роздільність. Модель створює зображення 4096 × 4096 пікселів без додаткового збільшення через апскейлер.
ㅤ
• Генерація за референсами. Можна завантажити до 16 зображень із персонажами, предметами, локаціями чи потрібним стилем — модель врахує їх під час створення результату.
ㅤ
• Редагування зображень. H3-Image підтримує як генерацію з текстового опису, так і зміну готових картинок за інструкціями.
ㅤ
• Швидкість. За даними MiniMax, генерація зображення 4K може займати менш ніж 10 секунд. Модель оптимізована для роботи всього за шість кроків обчислення.
ㅤ
• Відкриті модельні файли. Розробники можуть завантажити модель із Hugging Face та розгортати її на власній інфраструктурі. Також вона доступна через API MiniMax, MiniMax Code і Hailuo AI.
ㅤ
У перший тиждень діє знижка 50% на генерацію зображень роздільністю 16 МП і вище.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍10❤🔥1❤1👏1
Google представила Gemini 4 Hydrogen для повсякденного програмування, роботи ШІ-агентів і складних завдань із документами. За результатом Artificial Analysis Intelligence Index модель набрала 51 бал проти 50 у флагманської Gemini 4 Argon.
ㅤ
ㅤ
• У режимі найглибшого міркування xhigh результат Hydrogen зростає до 54 балів. Доступні чотири рівні: low, medium, high та xhigh.
ㅤ
• Порівняно з Gemini 3.8 Flash модель виконує завдання у 2,5 раза швидше. Результат Terminal-Bench 4.1 зріс із 18,2% до 57%, а кількість вигаданих тверджень скоротилася більш ніж уп'ятеро.
ㅤ
• Hydrogen працює з текстом, зображеннями, аудіо, відео, PDF та таблицями. Контекстне вікно — до 1 млн токенів, а в режимі фонового генерування можна отримати до 1 млн вихідних токенів.
ㅤ
• У Google Antigravity з'явився Orchestrator — механізм, який автоматично перемикається між моделями Carbon і Hydrogen під час одного завдання. У тестах на Terminal-Bench 4.0 така зв'язка працювала на 19% швидше та витрачала на 24% менше квоти за близької до Carbon успішності.
ㅤ
• Вартість API становить $1,50 за мільйон вхідних токенів і $7,50 за мільйон вихідних. Модель доступна в Gemini API, Google AI Studio, застосунку Gemini, Google Search та корпоративних продуктах Google.
Please open Telegram to view this post
VIEW IN TELEGRAM
❤🔥7🔥5👍1
Media is too big
VIEW IN TELEGRAM
На Adobe MAX компанія анонсувала локальні MCP-інтеграції для Photoshop, Illustrator, Premiere та After Effects. Вони дадуть змогу керувати редакторами через сторонніх ШІ-агентів, зокрема Claude, ChatGPT та Gemini, і вносити зміни безпосередньо у файли проєктів.
ㅤ
ㅤ
• Керування через ШІ-агентів. Можна буде давати текстові команди для редагування фотографій, роботи з ілюстраціями та монтажу відео. Інтеграція працюватиме локально на комп'ютері.
ㅤ
• Збереження структури проєктів. Шари Photoshop, вектори Illustrator, монтажні доріжки Premiere та композиції After Effects залишатимуться доступними для ручного редагування.
ㅤ
• Розширення Creative Agent. Власний агент Adobe отримав нові можливості для виконання багатоетапних завдань. У Premiere він може застосовувати ефекти до всіх кліпів, відстежувати об'єкти та коригувати колір і експозицію цілої послідовності.
ㅤ
• Нові моделі Topaz Labs. Wonder 4 поєднує збільшення роздільності, усунення шуму й розмиття та підвищення різкості. Image HDR перетворює звичайні зображення на HDR.
ㅤ
• Терміни запуску. Нові можливості Creative Agent вже з'являються в бета-версіях програм. MCP-інтеграції поки перебувають на етапі попереднього анонсу — закрите тестування заплановане на початок 2027 року.
ㅤ
Please open Telegram to view this post
VIEW IN TELEGRAM
❤🔥9👍3❤1
This media is not supported in your browser
VIEW IN TELEGRAM
На GitHub з'явився MotionClone — інструмент, який аналізує готові ролики та відновлює їхню структуру: текст, графіку, зображення й анімацію. Достатньо завантажити відео або вставити посилання на нього.
ㅤ
ㅤ
• На вхід можна подати відео або посилання з YouTube, X чи Vimeo. Інструмент аналізує сцени, розташування елементів, переходи та рух об'єктів.
ㅤ
• Результат — не звичайний MP4, а редагований проєкт HyperFrames. У ньому можна змінювати тексти, кольори, зображення, графіку й тривалість окремих сцен.
ㅤ
• Для відтворення анімації використовується ChatGPT через Codex. Можна зібрати до 12 фрагментів загальною тривалістю до 120 секунд.
ㅤ
• Під час створення можна вибрати співвідношення сторін і за потреби зберегти оригінальну звукову доріжку.
ㅤ
• Проєкт можна запускати локально на Windows або використовувати вебверсію. Автор попереджає, що складні 3D-сцени, фотографії, дрібний текст і рідкісні шрифти поки відтворюються неточно.
ㅤ
MotionClone можна використовувати для відтворення структури рекламних роликів і адаптації анімацій під власний контент.
Please open Telegram to view this post
VIEW IN TELEGRAM
❤6👍2🔥1
Media is too big
VIEW IN TELEGRAM
ElevenLabs випустила дві моделі для перетворення аудіо на текст: Scribe v3 для готових записів і Scribe v3 Live для розпізнавання мовлення в реальному часі.
ㅤ
ㅤ
• Scribe v3 робить на 27% менше помилок у словах порівняно з попередньою версією. Моделі перевірили на матеріалах 102 мов.
ㅤ
• На записах із трьома й більше учасниками кількість помилок у визначенні мовців зменшилася на 17%.
ㅤ
• Scribe v3 Live знизила кількість смислових помилок на 43% порівняно з попередньою моделлю. Вона враховує контекст розмови, щоб визначати завершення репліки, а не орієнтуватися лише на паузи.
ㅤ
• Для Scribe v3 можна додавати до 1000 ключових термінів. У Scribe v3 Live є бібліотека до 10 000 термінів, зокрема для назв компаній і спеціалізованої лексики.
ㅤ
• Розшифровку можна форматувати звичайними текстовими інструкціями — наприклад, задавати єдиний формат запису дат. Live-версія також підтримує визначення мовців у реальному часі.
ㅤ
Обидві моделі доступні через ElevenAPI та в застосунку ElevenLabs. Scribe v3 Live також працює в ElevenAgents.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍8❤🔥2🔥1😁1