Метаверсище и ИИще

Новый Grok косит под Gemini Omni Виртуальные примерочные продолжают умирать пачками. @cgevent

Тренировка агентов и робатов в UE Раньше такое делали в Юнити специально для автономных автомобилей. Здесь идея расширена до любых автономных агентов обладающих "зрением" и "пониманием". Это World-симулятор с открытым исходным кодом на базе Unreal Engine 5, предназначенный для обучения и тестирования агентов LLM и VLM в реалистичных 3D-средах. Платформа поддерживает карты RGB, глубины и сегментации, а также навигацию, транспортные средства, пешеходов, робатов и процедурную генерацию городских ландшафтов. Она построена на Gym-like Python interface и позволяет агентам ИИ обучаться физическому и социальному мышлению в сложных виртуальных мирах перед внедрением в реальный мир. Опен сорс. Полный код тут: https://github.com/SimWorld-AI/SimWorld @cgevent

Новые видео-модели. На Artificial Analysis Arena появилась новая модель с кодовым названием Purple. А на arena.ai появился видеогенератор BOUNCYBOHR. Если последнего спросить: close-up cinematic scene from a film, professionally directed, focused, ultrafine details a woman laughs as she whiteboard writes out what model made this video То он пишет VOYO-01. Доверия к такому методу не очень много, поэтому народ продолжает гадать, кто из них Seedance 2.1 @cgevent

Подписки на ИИ-сервисы из России стали намного доступнее Если вы тоже не хотите ехать в соседнюю страну за банковской картой или постоянно просить друзей оплатить ваши подписки, то ваш идеальный вариант: виртуальная карта Карты Mirocard созданы для оплаты зарубежных подписок и рекламы: 📱 ChatGPT, Gemini, Grok, Cursor, Kling, ElevenLabs и сотни других сервисов теперь можно оплачивать как обычной картой с платежной системой Visa или Mastercard. А еще: • Без платы ежемесячного обслуживания; • Без скрытых комиссий; • Возможность автоматического продления платежей; • Мгновенное пополнение криптовалютой (принимаются разные коины) • Открытие за несколько минут. 📱📱📱Подходит для оплаты Spotify, Netflix, YouTube Premium и сотни других популярных сервисов. Ребята дали ПРОМОКОД на бесплатное открытие карт США: METAVERSE (в личном кабинете выберите Доступные карты → Bin US) Открывайте карту в пару кликов, а с ней и более удобный способ оплаты любимых сервисов @cgevent

Нейросторителлинг. Вы находитесь тут. Сорс: https://www.instagram.com/reels/DZOS1avIa4C/ Нас всех утянет в чорную дыру нейрослопа... @cgevent

ИИ-синтезатор для Мака Недавно постил про реалтаймовый генератор музыки как отдельного инструмента\трека с привязкой к хардверным клавишами на базе опенсорсного ACEStep1.5 (4090RTX) https://t.me/cgevent/15775 А щас вот Google бахнул аналогичный проект Magenta RealTime 2 - который работает исключительно на силиконовых Маках причем БЕЗ интернета. "Наряду с моделью с открытыми весами мы выпускаем коллекцию инструментов и сценариев, созданных с помощью MRT2. Поэкспериментируйте с клонированием звуков, смешиванием жанров и созданием живого аккомпанемента с помощью этой музыкальной модели с низкой задержкой." Маководы-меломаны - прочекайте проект: https://magenta.withgoogle.com/mrt2 Выглядит довольно нарядно. @cgevent

Ну, за юристов. Помните писал, что после поиска уязвимости в коде, ИИ может взяться искать (и находить) дыры в законах? Также напомню, что кожаные уже давно не могут отличить живые фото\картинки от сгенеренных. С юристами все еще хуже. Кожаным гораздо больше нравится ИИ-юрист! Прекрасный материал от Стэнфорда: https://law.stanford.edu/press/ai-outperforms-law-professors-in-stanford-law-study/ Исследование, проведенное профессором юридической школы Стэнфорда Джулианом Ньярко, показывает, что преподаватели права в подавляющем большинстве случаев предпочитают ответы студентов, сгенерированные искусственным интеллектом, ответам, написанным их коллегами-преподавателями. Исследование под названием «Преподаватели права предпочитают ИИ ответам коллег» было проведено с участием 16 преподавателей права из юридических школ США и проверяло, могут ли большие языковые модели служить эффективными учебными пособиями для курсов по договорному праву. В ходе слепой оценки почти 3000 анонимных сравнений преподаватели оценили ответы ИИ значительно выше, чем ответы, написанные другими преподавателями, при этом ИИ выиграл 75% сравнений. У меня, наверное, все. @cgevent

19 лучших Лор для LTX 2.3 в одном месте С описаниями, видео-примерами и ссылками. А то с ума можно сойти - про каждую постить отдельно. https://www.stablediffusiontutorials.com/2026/05/ltx2.3-lora-models.html @cgevent

3Д-генераторы замахиваются на святое - органик моделинг, причем моделинг головы. Это Rodin 2.5 - уже писал, что у них есть текстуры на 12К и генерация на 10 миллионов полигонов. На входе - несколько картинок-ракурсов головы с разных углов (из генератора картинок или фото). https://hyper3d.ai/ @cgevent

Все-таки SAM 3D Body - это очень крутая технология. На входе одно изображение, на выходе - болваны со скелетами, причем не как в примерах с танцами на камеру, а в произвольных позах. Писал про это и тестировал тут:

Так, Идеограм 4 локально в NSFW побеждён, воркфлоу в комментариях.

Немного за Ideogram 4 1. Цензура вшита в веса модели. На реддите есть разные трюки для снижения порога срабатывания цензуры, это порой позволяет раскрыть тему сисек, но не полностью. 2. Все это не имеет никакого смысла, ибо в датасетах модели не было откровенного NSFW. Это все равно, что пытаться генерить порно с помощью Flux. Он что-то слышал и видел, но помнит плохо. 3. Весь NSFW всегда делался Лорами и Файнтюнами базовой модели. А не самой моделью. Поэтому отстаньте от Идеограма с сиськами и письками. Он если и сделает, то плохо. А вот вопрос тренировки лор и файнтюнов - открыт. Код для тренинга не опубликован. Острис уже начал эксперименты с Лорами - в частности с Лорой для понимания нормального языка, а не джейсона. 4. Судя по всему, подавляющее количество срабатываний цензуры (ложных в том числе) происходит при промптинге на обычном языке (это косяк Идеограмма). Он натренирован на JSON-разметке для картинок. Чтобы как-то нивелировать эту проблему Комфи уже обновили дефолтный форкфлоу, а всемогущий Киджай час назад выкатил ноду Ideogram Prompt Buider - и там не только конвертация в джейсон, но и работа с layout боксами. Забирать тут и смотреть на видео выше: https://github.com/kijai/ComfyUI-KJNodes https://github.com/kijai/ComfyUI-KJNodes/blob/main/nodes/ideogram4_nodes.py 5. Также есть кастомный форкфлоу от авторов Хромы: https://pastebin.com/xpYezwZp @cgevent

Ideogram покусал Krea Они опенсорснут свою последнюю модель Krea K2. @cgevent

Reve 2.0 Если вы всю ночь тестировали опенсорсный Ideogram и безуспешно ломали его цензуру, то днем вам не отоспаться - вышел новый Reve 2.0. Упали, отжались и пошли тестировать. Нативное 4K, сегментация объектов на картинке и, как следствие, более точное редактирование. Времени нет, но вы держитесь. https://app.reve.com/ @cgevent

Молния! Igeogram 4 опенсорснулся! По бенчам и аренам теперь это лучший опенсорсный генератор картинок. "Ideogram 4 — это первая модель с открытыми весами от Ideogram. Это базовая модель, обученная с нуля, а не файнтюн существующей модели. Она имеет новый структурированный интерфейс промптов в формате JSON, лучшую в своем классе многоязычную отрисовку текста, глубокое понимание языка, явное управление цветовой палитрой, а также нативное 2K. Аспекты картинок до 6:1" Всего 9.3B параметров - должно влезать в слабые видеокарты (Qwen-Image - 20B, FLUX.2 [dev] - 32B) Две версии весов nf4(Cuda) и fp8. Обещают больше квантизаций. Для гиков: It is a flow-matching text-to-image model built on a fully single-stream Diffusion Transformer (DiT) architecture. Fully single-stream DiT. Text and image tokens are concatenated into one unified sequence and processed through the same 34-layer transformer, with no separate text or image branches. Vision-language model as text encoder. Instead of a text-only encoder like CLIP or T5, Ideogram 4 uses Qwen3-VL-8B-Instruct, a full vision-language model that provides far richer understanding of visual concepts. Тренировали на JSON разметке, есть промпт улучшайзер и промпт гайд. Есть какие-то заморочки с цензурой (использование https://thehive.ai/), но думаю народ сейчас быстро выкусит нужный код, если это вообще нужно. Лицензия - некомерческая. Какая именно, надо разбирацца. Очень круто сделан гитхаб - все веса, код, инструкции, гайды - по ссылке: https://github.com/ideogram-oss/ideogram4 Завтра будем разбираться с анатомией, цензурой, текстом, слоями и пр. Нелокально можно пробовать как у них на сайте, так и на всех аггрегаторах: фал, креа, комфиАПИ, рунваре, магнифик, репликейт.. Всем бессонной ночи! P.S. Editable text, movable layers, and full image editing are coming soon. @cgevent

#Нейропрожарка Работа по рассказу О Генри "Дары волхвов". Автор: Алексей Чудинов. А сегодняшняя Нейропрожарка будет в аккурат по мотивам предыдущего поста. Я тут уже дискутирую с подписчиками по итогам этого лонгрида и консенсус такой - так же как в традиционных пайплайнах есть коммерческий софт, а есть инхаус разработки - в системах генерации контента будут коммерческие сервисы, а будут самописные боты, фреймворки, агенты - теперь любой креатор может завайбкодить себе пайплайн именно под свою задачу. Подписчик Алексей прислал мне результат такого написанного фреймворка для автогенерации еще в январе, но я был на каникулах и прошляпил. Исправляюсь. Я сделал работу за четыре с половиной часа с помощью автогенерации (на моем агентском фреймворке) с минимальными ручными правками изображений. Озвучка добавлялась в ручном режиме. Фреймворк на вход получает описание текста (можно просто логлайн), необходимую длину видео, на выходе - сгенерированные видеокадры и таймлайн, который можно сразу импортировать в FinalCut или DaVinci (я использовал DaVinci). Для генерации изображений использовалась NanoBanana Pro, для генерации видео использовалась MiniMax-Hailuo-02. Для фоновой музыки Suno, для tts - gpt-4o-mini-tts и фоновые звуки из библиотеки звуков. @cgevent

Вот тут примеры генераций из Dreamina Octo. Тут важно заметить, что это не ручной генереж и монтаж, а результат работы агента. Который сам решил за ракурсы и склейки. И за многое остальное. Там есть и короткие ролики и пятиминутные фильмы. Думаю, что скоро тикток просто захлебнется микродрамами, а слопа станет еще больше. Но таков путь. @cgevent

Вайб-контентинг или видео-агентинг. Осьминог от Дримины. Пока мы тут хлещемся по поводу того, какой видеогенератор круче, из тумана постепенно вырисовываются новые паплайны (спойлер - в пределе заветная кнопка "сделать красиво"). Я уже писал про Super Computer от Хиггсов - агент, который берет на вход минимальную хотелку пользователя, а дальше сам сценарит, концептит, персонажит, раскадрочит, промптит, итерирует, генерит, критикует сам себя, переделывает. Отзывы плохие - путается, застревает, жрет токены, ходит по кругу, генерит шнягу. Также мы уже пообсуждали в коментах агента в Google Flow - отзывы получше, амбиции поменьше, функционал скромнее, но надежнее. И это именно прототипы того, что нас ждет в контентинге в этом году. Агент-партнер, которому можно либо отдать задачу и забыть, либо идти с ним вместе поэтапно. Самое главное, что он будет в контексте задачи - помнить про исходную хотелку, удерживать концепт персонажей, который сам же и породит, следить за консистентностью и даже соотносить финал с начальным замыслом. Конечно, все это похоже на вайб-кодинг и удерживание контекcта в голове агента. Только контекст у нас визуальный, не всегда вербализуемый или объяснимый, но в целом замысел тот же. Но если вайб-кодер часто вообще не смотрит код, а только юзает результат, ну или смотрит код - и для этого у него есть просто текстовый редактор кода. Но наш визуальный промежуточный код - это и текст, и картинки, и раскадровки, и звук, и концепты, и видосы референсы - в общем визуальная кустистая ботва, разбросанная по папкам и экрану. И дальше будет очень интересно наблюдать, кто сможет организовать эту ботву (на экране) и интерактивное общение с агентом наиболее удобным образом. Аналогов такого UX просто еще не было. Для раскадровок - одно, для концептов - мудборды, для персонажей - шиты, для композа - нодовый интерфейс, для монтажа - таймлайн. А тут надо как бы все вместе нарисовать на экране. Ибо теперь нажал кнопку - и все этапы могут сгенериться сами - и надо их как-то представить. Пока все идет к тому, что это будет аналог нодовых интерсейсов на бесконечных холстах(канвасах), но не факт, что так и останется в будущем. Ноды - паллиатив. Хех, это был дичайше долгая подводка к новому агенту от Дримины под названием OCTO. И да, он тоже сам сценарит, концептит, персонажит, раскадрочит, промптит, итерирует, генерит, критикует сам себя, переделывает. Под капотом может быть родной Сидэнс, но не обязательно, генератор картинок - любой, текстовые модели - любые. https://dreamina.capcut.com/ai-tool/home/ На видео - примерный интерфейс, но я сейчас накидаю еще примеров того, что уже делается одной кнопкой в этом OCTO. А чтобы еще больше удлинить пост и покрепче обосновать тезис про агентов и вайб-контентинг, приведу новость о том, что UTOPAI Studios выпустили вторую версию своего агентского пайплайна: https://variety.com/2026/digital/tech/ai-utopai-studios-pai-2-generative-video-platform-1236764434/ И там прямо так и говорится: “With PAI 2.0, our goal is to help catalyze a ‘Claude Code moment’ for media generation” Тут они пытаются перетащить на себя общее одеяло, но в принципе да, мы сейчас наблюдаем ‘Claude Code moment’ для генерации контента, в виде прихода агентов в видеогенерацию. @cgevent

Codex теперь умеет выкладывать внутренние приложения OpenAI зашёл на территорию Lovable и Replit, но пока только для внутренних сайтов. Вчера на стриме «Intelligence at Work» OpenAI выкатил сразу три апдейта для Codex: шесть ролевых плагинов под бизнес-задачи, аннотации и – самое интересное – Sites. Это плагин + managed-хостинг прямо внутри Codex. Просишь собрать приложение – Codex его строит, прогоняет, деплоит и возвращает ссылку, которую можно расшарить по воркспейсу. Весь цикл в одном треде, без ручной возни с инстансами и регионами (привет всем, кто пытался захостить локально собранное приложение в GCP или AWS). Целятся во внутренние инструменты: онбординг-дашборды, базы знаний, борды для идей, репортинг-вью, лёгкие воркфлоу-приложения. То есть не «лендинг запилить», а «превратить рутину команды в живое приложение». Добавили 2 фичи для хранения: – D1 – SQLite-совместимая база под структурку: состояние чеклистов, закладки, фильтры, конфиги, метаданные файлов – R2 – объектное хранилище под сами файлы: документы, картинки, ассеты Любопытная деталь: D1 и R2 – это вообще-то названия продуктов Cloudflare. То есть «хостинг от OpenAI» под капотом едет на Cloudflare – OpenAI не строит инфру сам, а заворачивает чужую под свой бренд и свою авторизацию. По дефолту приложение видят только владелец и админы воркспейса. Дальше открываешь либо на весь воркспейс (workspace_all), либо точечно на людей и группы (custom). Авторизация – через Sign in with ChatGPT. Пока превью для Business и Enterprise. В общем, всем ChatGPT, пожираем всех ближайших конкурентов и GPT-врапперы. https://developers.openai.com/codex/sites