Glint: статический анализатор, который находит баги без запуска кода
⚡️ Что это. aiseeq собрал статический анализатор под Go и TypeScript, который ищет реальные ошибки ещё до запуска.
Писал его, чтобы AI-агенты быстрее вникали в чужую кодовую базу.
🔬 Как работает. Инструмент разбирает исходники в синтаксическое дерево и прогоняет по нему правила-детекторы.
Три слоя: одни ловят текстовые паттерны регулярными выражениями, другие разбирают структуру обходом дерева, а самые тяжёлые строят SSA-представление и отслеживают поток данных между функциями.
🐛 Что ловит. Конкретные баги. Классика Go: указатель на nil, завёрнутый в интерфейс, при сравнении с nil вдруг оказывается не nil.
Или маскирование ошибки, когда код возвращает ноль и делает вид, что всё прошло.
Или незакрытое тело HTTP-ответа, сравнение времени через
🛡️ У правила
Каждое срабатывание получает уровень серьёзности от низкой до критической, ложные глушатся в коде пометкой
Заточен под баги, которые реально роняют прод.
Пока знает Go и TypeScript, но как детектор под агентный ревью кода выглядит сильным.
Проект открыт для контрибьюторов.
Отдаём агенту ссылку и говорим создать себе на базе него навык для поиска ошибок.
Если хотите дополнить поддержкой других языков или функционалом, - велком.
#staticanalysis #golang #dev #glint
———
@tsingular
⚡️ Что это. aiseeq собрал статический анализатор под Go и TypeScript, который ищет реальные ошибки ещё до запуска.
Писал его, чтобы AI-агенты быстрее вникали в чужую кодовую базу.
🔬 Как работает. Инструмент разбирает исходники в синтаксическое дерево и прогоняет по нему правила-детекторы.
Три слоя: одни ловят текстовые паттерны регулярными выражениями, другие разбирают структуру обходом дерева, а самые тяжёлые строят SSA-представление и отслеживают поток данных между функциями.
🐛 Что ловит. Конкретные баги. Классика Go: указатель на nil, завёрнутый в интерфейс, при сравнении с nil вдруг оказывается не nil.
Или маскирование ошибки, когда код возвращает ноль и делает вид, что всё прошло.
Или незакрытое тело HTTP-ответа, сравнение времени через
==, затенение переменных, забытые мьютексы.🛡️ У правила
error-masking принцип: падать явно, без тихой деградации. Каждое срабатывание получает уровень серьёзности от низкой до критической, ложные глушатся в коде пометкой
//nolint:<rule>.Заточен под баги, которые реально роняют прод.
Пока знает Go и TypeScript, но как детектор под агентный ревью кода выглядит сильным.
Проект открыт для контрибьюторов.
Отдаём агенту ссылку и говорим создать себе на базе него навык для поиска ошибок.
Если хотите дополнить поддержкой других языков или функционалом, - велком.
#staticanalysis #golang #dev #glint
———
@tsingular
⚡6✍2👨💻1
Dynamic 3.0 от Unsloth: кванты GGUF, которые выжимают +10% точности при том же размере
Unsloth выкатил третью версию своей динамической квантизации.
Для модели Qwen3.8-27B новые кванты дают на 10% выше точность по лучшему предсказанию при том же размере, чем у любого другого провайдера.
🔍 Ключ в послойном подходе. Обычная квантизация применяет один битрейт ко всей модели.
Динамическая решает для каждого слоя отдельно: чувствительные слои держит в высоких битах, остальные сжимает сильнее.
В третьей версии обновили калибровочный датасет под агентный кодинг, чат и мультиязык, переработали отбор слоёв.
Это чистая пост-тренировочная квантизация, без QAT и QAD, а калибровочный файл выложен открыто.
💡 Вместо голой метрики «лучшее предсказание» Unsloth ввёл Divergence-300: 300 свежих задач из бенчмарков кодинга и математики, генерация 32 токенов, сравнение с полной точностью.
Плюс KL-дивергенция по всем провайдерам. На маленьких квантах выигрыш доходит до +10% точности при том же объёме на диске.
🔮 Динамическая квантизация стала стандартом для MoE-моделей, а GGUF остаётся главным форматом локального инференса: Ollama, LM Studio, llama.cpp. Раз калибровочный файл открыт, комьюнити сможет повторять и улучшать метод.
1битный Qwen3.8:27b теперь весит 6,2 ГБ и держит 72% точности, будучи на 89% меньше полной модели и его можно запустить на 8Gb VRAM
Unsloth заботится о каждом :)
#Unsloth #GGUF #Qwen
———
@tsingular
Unsloth выкатил третью версию своей динамической квантизации.
Для модели Qwen3.8-27B новые кванты дают на 10% выше точность по лучшему предсказанию при том же размере, чем у любого другого провайдера.
🔍 Ключ в послойном подходе. Обычная квантизация применяет один битрейт ко всей модели.
Динамическая решает для каждого слоя отдельно: чувствительные слои держит в высоких битах, остальные сжимает сильнее.
В третьей версии обновили калибровочный датасет под агентный кодинг, чат и мультиязык, переработали отбор слоёв.
Это чистая пост-тренировочная квантизация, без QAT и QAD, а калибровочный файл выложен открыто.
💡 Вместо голой метрики «лучшее предсказание» Unsloth ввёл Divergence-300: 300 свежих задач из бенчмарков кодинга и математики, генерация 32 токенов, сравнение с полной точностью.
Плюс KL-дивергенция по всем провайдерам. На маленьких квантах выигрыш доходит до +10% точности при том же объёме на диске.
🔮 Динамическая квантизация стала стандартом для MoE-моделей, а GGUF остаётся главным форматом локального инференса: Ollama, LM Studio, llama.cpp. Раз калибровочный файл открыт, комьюнити сможет повторять и улучшать метод.
1битный Qwen3.8:27b теперь весит 6,2 ГБ и держит 72% точности, будучи на 89% меньше полной модели и его можно запустить на 8Gb VRAM
Unsloth заботится о каждом :)
#Unsloth #GGUF #Qwen
———
@tsingular
⚡14🍾7
когда мем, который ты сгенерил, вирусится по всему рунету, но не приносит подписчиков:
https://t.me/xor_journal/9929
https://t.me/twitt_ota/28388
https://t.me/tsingular/8146
#юмор
------
@tsingular
https://t.me/xor_journal/9929
https://t.me/twitt_ota/28388
https://t.me/tsingular/8146
#юмор
------
@tsingular
😁21
Google упаковал Search и Gemini новыми ИИ-инструментами для учёбы
Google анонсировал набор учебных функций в Search и Gemini: интерактивные визуализации, 3D-симуляции, выделенный студенческий хаб и кастомные практические тесты.
Это очередной шаг в борьбе за то, чтобы Gemini стал ассистентом, к которому студенты обращаются при учёбе, против OpenAI и образовательных стартапов вроде Knowt и Gauth.
🔍 Search как репетитор: По запросу «pH scale» в AI Overview появится интерактивная визуализация, а уточняющий вопрос вроде «нанеси цитрусовые на шкалу pH» заставит AI Mode собрать индивидуальный интерактивный опыт.
Практические тесты генерируются прямо в поиске по любому предмету, от SAT-словаря до гуманитарных наук.
📷 Lens разбирает задачи: В ближайшие недели Lens в Search получит интерактивный режим обучения.
Студент фотографирует задачу, и ИИ объясняет концепцию, находит ошибки и подсказывает, если застрял. Плюс Search умеет собирать учебные документы из загруженных файлов, от фото рукописных конспектов до слайдов лекций, превращая их в одностраничник с ключевыми концепциями.
🎙 Gemini Live в фоне: Многошаговые исследовательские отчёты запускаются в Gemini Live, пока пользователь закрыл чат и занимается своими делами.
Приходит уведомление, когда отчёт готов, и обсудить находки можно голосом.
🧬 3D-симуляции: Gemini теперь генерирует функциональные 3D-симуляции. По запросу «покажи, как работает ДНК в 3D» можно вращать и приближать структуру.
Ответы включают таблицы, сетки и симуляции под конкретный промпт.
📚 Студенческий хаб: В приложении Gemini появился выделенный хаб, собирающий учебные инструменты в одном месте: учебный блокнот, флеш-карточки, практические тесты.
💼 Зачем бизнесу: Google превращает поиск из точки входа в полноценную учебную среду, удерживая студентов в своей экосистеме.
Для EdTech-стартапов это сигнал: конкурировать с бесплатными встроенными инструментами гиганта придётся за счёт глубины и специализации, а не базовых фич.
🔮 Будущее: Следующий шаг — персональный учебный агент, который знает программу конкретного студента, его слабые места и строит траекторию от конспекта до экзамена. 3D-симуляции и голосовые отчёты — это фундамент, на котором такой агент будет работать.
Кстати, очень похоже на https://learnvector.ai/ от Andrew Ng
#Google #Gemini #Search #образование #EdTech #ИИ
───
@tsingular
Google анонсировал набор учебных функций в Search и Gemini: интерактивные визуализации, 3D-симуляции, выделенный студенческий хаб и кастомные практические тесты.
Это очередной шаг в борьбе за то, чтобы Gemini стал ассистентом, к которому студенты обращаются при учёбе, против OpenAI и образовательных стартапов вроде Knowt и Gauth.
🔍 Search как репетитор: По запросу «pH scale» в AI Overview появится интерактивная визуализация, а уточняющий вопрос вроде «нанеси цитрусовые на шкалу pH» заставит AI Mode собрать индивидуальный интерактивный опыт.
Практические тесты генерируются прямо в поиске по любому предмету, от SAT-словаря до гуманитарных наук.
📷 Lens разбирает задачи: В ближайшие недели Lens в Search получит интерактивный режим обучения.
Студент фотографирует задачу, и ИИ объясняет концепцию, находит ошибки и подсказывает, если застрял. Плюс Search умеет собирать учебные документы из загруженных файлов, от фото рукописных конспектов до слайдов лекций, превращая их в одностраничник с ключевыми концепциями.
🎙 Gemini Live в фоне: Многошаговые исследовательские отчёты запускаются в Gemini Live, пока пользователь закрыл чат и занимается своими делами.
Приходит уведомление, когда отчёт готов, и обсудить находки можно голосом.
🧬 3D-симуляции: Gemini теперь генерирует функциональные 3D-симуляции. По запросу «покажи, как работает ДНК в 3D» можно вращать и приближать структуру.
Ответы включают таблицы, сетки и симуляции под конкретный промпт.
📚 Студенческий хаб: В приложении Gemini появился выделенный хаб, собирающий учебные инструменты в одном месте: учебный блокнот, флеш-карточки, практические тесты.
💼 Зачем бизнесу: Google превращает поиск из точки входа в полноценную учебную среду, удерживая студентов в своей экосистеме.
Для EdTech-стартапов это сигнал: конкурировать с бесплатными встроенными инструментами гиганта придётся за счёт глубины и специализации, а не базовых фич.
🔮 Будущее: Следующий шаг — персональный учебный агент, который знает программу конкретного студента, его слабые места и строит траекторию от конспекта до экзамена. 3D-симуляции и голосовые отчёты — это фундамент, на котором такой агент будет работать.
Кстати, очень похоже на https://learnvector.ai/ от Andrew Ng
#Google #Gemini #Search #образование #EdTech #ИИ
───
@tsingular
⚡10🆒3❤2🔥2
KnowledgeForge от AWS: как добыть золото из кладбища IT-тикетов
Давно у нас не было полезняшек от AWS, - встречайте:
📋 AWS выложили фреймворк KnowledgeForge, который закрывает дыру в корпоративной IT-поддержке.
Команды каждый месяц закрывают тысячи инцидентов, и в каждом есть ценное: симптом, первопричина, применённый фикс.
Это все копится на кладбище закрытых тикетов, и следующий инженер с той же проблемой его может не найти.
База знаний при этом со временем портится: плодятся дубли, статьи устаревают, качество скачет от автора к автору.
KnowledgeForge чинит обе стороны проблемы.
💡 Внутри две подсистемы, которые дополняют друг друга.
Генерация на ECS Fargate берёт кластер тикетов одной темы и пишет две статьи, базу знаний и разбор первопричин.
Тесты на Lambda и Step Functions прогоняет каждую статью, новую и старую, через четыре шага:
- классификация,
- поиск дублей,
- оценка качества по десяти критериям,
- обогащение.
Дубли ловятся по смыслу через векторы (!!!) в S3 Vectors, косинусное расстояние 0.05, вместо совпадения ключевых слов.
Последнее слово при этом остается за менеджером знаний в ServiceNow.
💼 Это открытая эталонная архитектура: мультитенантная, на Bedrock, с Bedrock Guardrails и отдельным KMS-ключом на заказчика.
Главная находка тут: замкнутый цикл.
Куратор пишет вектор для каждой статьи, а генерация читает эти векторы перед созданием новых.
Терминология остаётся единой, модель опирается на существующую базу и реже сочиняет процедуры на ходу.
Тот же векторный индекс работает детектором дублей.
Код на GitHub под MIT-0, разворачивается через CDK.
Т.о. кладбище тикетов при правильной обработке превращается в источник знаний для компании.
📎 Блог AWS и код на GitHub
#KnowledgeForge #AWS #ITSM
———
@tsingular
Давно у нас не было полезняшек от AWS, - встречайте:
📋 AWS выложили фреймворк KnowledgeForge, который закрывает дыру в корпоративной IT-поддержке.
Команды каждый месяц закрывают тысячи инцидентов, и в каждом есть ценное: симптом, первопричина, применённый фикс.
Это все копится на кладбище закрытых тикетов, и следующий инженер с той же проблемой его может не найти.
База знаний при этом со временем портится: плодятся дубли, статьи устаревают, качество скачет от автора к автору.
KnowledgeForge чинит обе стороны проблемы.
💡 Внутри две подсистемы, которые дополняют друг друга.
Генерация на ECS Fargate берёт кластер тикетов одной темы и пишет две статьи, базу знаний и разбор первопричин.
Тесты на Lambda и Step Functions прогоняет каждую статью, новую и старую, через четыре шага:
- классификация,
- поиск дублей,
- оценка качества по десяти критериям,
- обогащение.
Дубли ловятся по смыслу через векторы (!!!) в S3 Vectors, косинусное расстояние 0.05, вместо совпадения ключевых слов.
Последнее слово при этом остается за менеджером знаний в ServiceNow.
💼 Это открытая эталонная архитектура: мультитенантная, на Bedrock, с Bedrock Guardrails и отдельным KMS-ключом на заказчика.
Главная находка тут: замкнутый цикл.
Куратор пишет вектор для каждой статьи, а генерация читает эти векторы перед созданием новых.
Терминология остаётся единой, модель опирается на существующую базу и реже сочиняет процедуры на ходу.
Тот же векторный индекс работает детектором дублей.
Код на GitHub под MIT-0, разворачивается через CDK.
Т.о. кладбище тикетов при правильной обработке превращается в источник знаний для компании.
📎 Блог AWS и код на GitHub
#KnowledgeForge #AWS #ITSM
———
@tsingular
✍3🔥2❤1⚡1
GEN-1.5 от Generalist AI: робот осваивает новую задачу с первой попытки
📋 Generalist AI,- компания основанная в 2024 году выходцами из Google DeepMind и Boston Dynamics и в ноябре привлекшая 400 млн. долларов при оценке в 2 миллиарда, в т.ч. от Nvidia, на этой неделе показали GEN-1.5, свою новую фундаментальную модель для роботов.
Главная фишка модели: она осваивает физический навык за секунды, с одного показа, минуя обучение.
Показали, как открыть банку, расстегнуть молнию или достать деньги из кошелька, и робот тут же повторяет.
Десятилетиями универсальный робот требовал месяцев программирования силами инженеров.
Теперь всё сводится к тому, чтобы просто показать пример.
💡 GEN-1.5, - это большая мультимодальная модель: на входе видео с памятью на 30 секунд, сенсоры, язык и проприоцепция (т.н. шестое чувство, которое позволяет ощущать положение частей собственного тела в пространстве и их движение без помощи зрения), на выходе траектории действий на 100 Гц.
Приём назван физической подсказкой: сенсомоторную демонстрацию длиной от 3 до 12 секунд кладут в контекстное окно, и модель выполняет задачу без единого шага дообучения.
Средний успех с одного показа 59%, после десяти шагов дообучения на пяти минутах данных уже 83%.
💼 Авторы прямо проводят параллель с GPT-3, где обучение с нескольких примеров стало вехой языковых моделей.
В робототехнике тот же порог ищут с 1954 года, с патента Unimate.
Модель также умеет склеивать два показа в одно длинное действие, переносить демонстрацию из симуляции в реальность и копировать движения с рук человека.
Десять шагов дообучения меняют веса меньше чем на 0,15%: модель скорее вспоминает почти знакомое, чем осваивает с нуля. Программирование робота сводится к показу. 🤖
📎 Блог Generalist AI
#GeneralistAI #роботы
———
@tsingular
📋 Generalist AI,- компания основанная в 2024 году выходцами из Google DeepMind и Boston Dynamics и в ноябре привлекшая 400 млн. долларов при оценке в 2 миллиарда, в т.ч. от Nvidia, на этой неделе показали GEN-1.5, свою новую фундаментальную модель для роботов.
Главная фишка модели: она осваивает физический навык за секунды, с одного показа, минуя обучение.
Показали, как открыть банку, расстегнуть молнию или достать деньги из кошелька, и робот тут же повторяет.
Десятилетиями универсальный робот требовал месяцев программирования силами инженеров.
Теперь всё сводится к тому, чтобы просто показать пример.
💡 GEN-1.5, - это большая мультимодальная модель: на входе видео с памятью на 30 секунд, сенсоры, язык и проприоцепция (т.н. шестое чувство, которое позволяет ощущать положение частей собственного тела в пространстве и их движение без помощи зрения), на выходе траектории действий на 100 Гц.
Приём назван физической подсказкой: сенсомоторную демонстрацию длиной от 3 до 12 секунд кладут в контекстное окно, и модель выполняет задачу без единого шага дообучения.
Средний успех с одного показа 59%, после десяти шагов дообучения на пяти минутах данных уже 83%.
💼 Авторы прямо проводят параллель с GPT-3, где обучение с нескольких примеров стало вехой языковых моделей.
В робототехнике тот же порог ищут с 1954 года, с патента Unimate.
Модель также умеет склеивать два показа в одно длинное действие, переносить демонстрацию из симуляции в реальность и копировать движения с рук человека.
Десять шагов дообучения меняют веса меньше чем на 0,15%: модель скорее вспоминает почти знакомое, чем осваивает с нуля. Программирование робота сводится к показу. 🤖
📎 Блог Generalist AI
#GeneralistAI #роботы
———
@tsingular
🔥21👾4👌2⚡1
Forwarded from Machinelearning
This media is not supported in your browser
VIEW IN TELEGRAM
Проект fx начинался как внутренний инструмент Vercel Labs и представляет собой харнесс, написанный на Zig для исследования моделей и встраивание в другие системы.
Бинарник весит всего 6,3 Mб, а время запуска заявлено всего в 10 микросекунд, при этом базовое потребление памяти составляет всего несколько мегабайт.
Привязки к конкретной модели или провайдеру нет, инференс годится и локальный, и облачный. Небольшое ядро расширяется через skills, плагины и MCP.
Интерфейс сделан скорее как юниксовая оболочка, чем как IDE в терминале - fx сохраняет историю прокрутки, выдаёт минимум вывода и очень скупо рисует сложный TUI.
Через WebAssembly fx запускается прямо в браузере - попробовать можно на fx.sh/try, ничего не устанавливая.
Приватность заявлена как философия - продуктовой телеметрии нет, сессии и статистика использования остаются локально, а исходный код и промпты не уходят никуда, кроме эндпойнта инференса.
При локальном инференсе и отключённых автообновлениях fx работает полностью герметично.
⚠️ Проект экспериментальный - пользоваться стоит на свой риск. Vercel обещает, что изменения будут частыми.
@ai_machinelearning_big_data
#AI #ML #Harness #Agents #Fx #Vercel
Please open Telegram to view this post
VIEW IN TELEGRAM
❤4✍2🔥2⚡1👍1🏆1
This media is not supported in your browser
VIEW IN TELEGRAM
Главное такую таблетку самому не проглотить и коту не давать.
И нужна ещё протеиновая версия:
-Чикен (Лилу)
#юмор
------
@tsingular
И нужна ещё протеиновая версия:
-Чикен (Лилу)
#юмор
------
@tsingular
🤣26🤯11👀3❤1🔥1
Claude Cowork от Anthropic: как отдел продаж избавился от 5 часов ручной переписки в день
📋 Anthropic, - компания, стоящая за Claude, показала, как её собственный отдел продаж работает на Claude Cowork: менеджер, который раньше тратил около 5 часов в день, вручную отвечая на входящие письма, теперь получает готовые черновики, которые надо лишь проверить перед отправкой.
Навык каждый час сканирует почту, находит цепочки, где нужен ответ, и пишет его в стиле самого продавца.
Другой навык ночью обходит больше сотни аккаунтов и к утру выдаёт по каждому сводку, оценку и план действий.
💡 Claude Cowork, - это продукт, где задачи собираются из навыков и расписания.
Навык для разбора входящих состоит из короткой системной инструкции, базы знаний с частыми вопросами и навыка, который читает старые письма продавца, чтобы подражать его стилю.
Ещё один навык оценивает записи звонков по скрипту: три сильных места, три зоны роста и одна практика на отработку.
Модель не отправляет письма сама и не меняет Salesforce без одобрения: каждое действие ждёт человека, а причины правок запоминаются, чтобы не повторять ошибки.
💼 Получается чем больше контекста и инструментов даёшь ИИ агенту, тем больше задач он успешно забирает на себя.
А Человек-Продавец становится редактором и стратегом.
✉️ Сами продажи сводятся к проверке черновика письма и работе печенью, всё как мы любим. :)
#Claude #продажи
———
@tsingular
📋 Anthropic, - компания, стоящая за Claude, показала, как её собственный отдел продаж работает на Claude Cowork: менеджер, который раньше тратил около 5 часов в день, вручную отвечая на входящие письма, теперь получает готовые черновики, которые надо лишь проверить перед отправкой.
Навык каждый час сканирует почту, находит цепочки, где нужен ответ, и пишет его в стиле самого продавца.
Другой навык ночью обходит больше сотни аккаунтов и к утру выдаёт по каждому сводку, оценку и план действий.
💡 Claude Cowork, - это продукт, где задачи собираются из навыков и расписания.
Навык для разбора входящих состоит из короткой системной инструкции, базы знаний с частыми вопросами и навыка, который читает старые письма продавца, чтобы подражать его стилю.
Ещё один навык оценивает записи звонков по скрипту: три сильных места, три зоны роста и одна практика на отработку.
Модель не отправляет письма сама и не меняет Salesforce без одобрения: каждое действие ждёт человека, а причины правок запоминаются, чтобы не повторять ошибки.
💼 Получается чем больше контекста и инструментов даёшь ИИ агенту, тем больше задач он успешно забирает на себя.
А Человек-Продавец становится редактором и стратегом.
#Claude #продажи
———
@tsingular
Please open Telegram to view this post
VIEW IN TELEGRAM
👍10❤4⚡3🔥2✍1
Forwarded from Machinelearning
This media is not supported in your browser
VIEW IN TELEGRAM
⚡️ Anthropic запустила бесплатную Claude Academy
Теперь у Claude появилась полноценная обучающая платформа с бесплатными курсами и гайдами для всех желающих.
Внутри есть разные уровни: от базового понимания, как работает AI, до более продвинутого использования Claude в повседневной работе.
Некоторые курсы дают сертификаты, так что скоро их наверняка станет заметно больше и в LinkedIn.
Все материалы бесплатные и открыты без ограничений.
https://academy.claude.com
@ai_machinelearning_big_data
#Anthropic #claude
Теперь у Claude появилась полноценная обучающая платформа с бесплатными курсами и гайдами для всех желающих.
Внутри есть разные уровни: от базового понимания, как работает AI, до более продвинутого использования Claude в повседневной работе.
Некоторые курсы дают сертификаты, так что скоро их наверняка станет заметно больше и в LinkedIn.
Все материалы бесплатные и открыты без ограничений.
https://academy.claude.com
@ai_machinelearning_big_data
#Anthropic #claude
👍22⚡6🔥3
Resetwatch от Adolanium: таймеры сброса лимитов для Гермеса
📋 Resetwatch, - это плагин для Hermes Desktop, который собирает на одну страницу лимиты всех твоих AI-подписок: Nous, Claude, Codex, Cursor, Kimi, Grok, GLM, DeepSeek и ещё полдюжины.
Каждая карточка показывает, насколько план заполнен, сколько осталось и когда лимит сбросится.
💡 Resetwatch, - это не парсер. Живые данные берутся из твоего Hermes OAuth и тех же CLI-логинов и ключей, которые уже стоят на машине, наружу не уходит ничего, кроме тех же вызовов, которые эти приложения и так делают.
Плагин называет план точно: Claude Max, Codex Plus, Cursor Ultra.
А всё, чего нет в списке (Gemini, Perplexity), заводится ручными часами: можно вписать процент и время сброса.
Установка, - просто пишем в Гермесе:
📎 GitHub
⏱️ Следить за лимитами стало удобнее
#Hermes #таймеры
———
@tsingular
📋 Resetwatch, - это плагин для Hermes Desktop, который собирает на одну страницу лимиты всех твоих AI-подписок: Nous, Claude, Codex, Cursor, Kimi, Grok, GLM, DeepSeek и ещё полдюжины.
Каждая карточка показывает, насколько план заполнен, сколько осталось и когда лимит сбросится.
💡 Resetwatch, - это не парсер. Живые данные берутся из твоего Hermes OAuth и тех же CLI-логинов и ключей, которые уже стоят на машине, наружу не уходит ничего, кроме тех же вызовов, которые эти приложения и так делают.
Плагин называет план точно: Claude Max, Codex Plus, Cursor Ultra.
А всё, чего нет в списке (Gemini, Perplexity), заводится ручными часами: можно вписать процент и время сброса.
Установка, - просто пишем в Гермесе:
изучи и установи себе:
github.com/Adolanium/hermes-resetwatch
📎 GitHub
⏱️ Следить за лимитами стало удобнее
#Hermes #таймеры
———
@tsingular
🔥9❤4⚡3👏1
FLUX Upscale от Black Forest Labs: как прокачать любое видео до 4K
📋 Black Forest Labs выкатили FLUX Upscale: отдельный сервис, который пересобирает любое видео в большем разрешении, вплоть до полноценных 4K.
Это тот же механизм, что уже работает в 1080p внутри FLUX 3 Video, только теперь его можно вызвать напрямую отдельно для любого ролика.
Он чинит то, что обычные инструменты увеличения пропускают: смазанные лица и сетчатые артефакты на текстурах вроде воды и травы.
💡 FLUX Upscale, - это два режима.
Precise за 4 шага и $0.07 за мегапиксель в секунду быстрее и дешевле, зато сохраняет черты и привязку к исходнику.
Creative за 8 шагов и $0.1 сильнее чинит и дорисовывает, но может подменить лицо и согласованность с исходником.
Множитель 1.5x, 2x или 3x: из 704p получаются примерно 1080p, 2K и 4K.
💼 Локальные средства увеличения теряют качество на вещательных и рекламных разрешениях, а качественные оказываются медленными на больших объёмах.
FLUX Upscale закрывает этот разрыв: ролик, сгенерированный на 704p, можно сразу дотянуть до формата для ТВ и кампаний.
Увеличение разрешения видео перестаёт быть проблемой. 🎬
#FLUX #upscale #нейрорендер
———
@tsingular
📋 Black Forest Labs выкатили FLUX Upscale: отдельный сервис, который пересобирает любое видео в большем разрешении, вплоть до полноценных 4K.
Это тот же механизм, что уже работает в 1080p внутри FLUX 3 Video, только теперь его можно вызвать напрямую отдельно для любого ролика.
Он чинит то, что обычные инструменты увеличения пропускают: смазанные лица и сетчатые артефакты на текстурах вроде воды и травы.
💡 FLUX Upscale, - это два режима.
Precise за 4 шага и $0.07 за мегапиксель в секунду быстрее и дешевле, зато сохраняет черты и привязку к исходнику.
Creative за 8 шагов и $0.1 сильнее чинит и дорисовывает, но может подменить лицо и согласованность с исходником.
Множитель 1.5x, 2x или 3x: из 704p получаются примерно 1080p, 2K и 4K.
💼 Локальные средства увеличения теряют качество на вещательных и рекламных разрешениях, а качественные оказываются медленными на больших объёмах.
FLUX Upscale закрывает этот разрыв: ролик, сгенерированный на 704p, можно сразу дотянуть до формата для ТВ и кампаний.
Увеличение разрешения видео перестаёт быть проблемой. 🎬
#FLUX #upscale #нейрорендер
———
@tsingular
👍10⚡4✍3❤1🆒1