Нейронавт | Нейросети в творчестве
Ir al canal en Telegram
Канал про нейросети в компьютерной графике, в кино и вообще В папках и запусках не участвую для связи @Neuronauticus РКН: https://hf.ru/link8e56d
Mostrar más📈 Análisis del canal de Telegram Нейронавт | Нейросети в творчестве
El canal Нейронавт | Нейросети в творчестве (@greenneuralrobots) en el segmento lingüístico de Ruso es un actor destacado. Actualmente la comunidad reúne a 13 228 suscriptores, ocupando la posición 2 666 en la categoría Arte y diseño y el puesto 48 929 en la región Rusia.
📊 Métricas de audiencia y dinámica
Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 13 228 suscriptores.
Según los últimos datos del 18 octubre, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de 277, y en las últimas 24 horas de 4, conservando un alto alcance.
- Estado de verificación: No verificado
- Tasa de interacción (ER): El promedio de interacción de la audiencia es 12.03%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 9.07% de reacciones respecto al total de suscriptores.
- Alcance de las publicaciones: Cada publicación recibe en promedio 1 591 visualizaciones. En el primer día suele acumular 1 200 visualizaciones.
- Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 14.
- Intereses temáticos: El contenido se centra en temas clave como гитхаб, assistant, claude, imageediting, параметр.
📝 Descripción y política de contenido
El autor describe el recurso como un espacio para expresar opiniones subjetivas:
“Канал про нейросети в компьютерной графике, в кино и вообще
В папках и запусках не участвую
для связи @Neuronauticus
РКН: https://hf.ru/link8e56d”
Gracias a la alta frecuencia de actualizaciones (últimos datos recibidos el 19 octubre, 2026), el canal mantiene la vigencia y un amplio alcance. La analítica demuestra que la audiencia interactúa activamente con el contenido, lo que lo convierte en un punto de referencia dentro de la categoría Arte y diseño.
13 228
Suscriptores
+424 horas
+617 días
+27730 días
Archivo de publicaciones
Audiobook Studio
Генератор аудиокниг для #MacOS на базе Qwen с наложением звука на epub. Из книги получается и аудиоверсия, и epub с аудиослоем.
Три режима
• Полный автомат: закинул книгу и получил готовое. Система сама находит действующих лиц, определяет характер, возраст и акценты, собирает озвучку и файлы
• Полуавто: то же самое плюс правка персонажей
• Telegram-бот: отправляешь epub, получаешь ссылку на свой Google Drive
Что на выходе
• Аудиокнига
• epub с аудиослоем
• Подсветка текста по предложениям по мере чтения
• Только ARM, то есть Apple
• Нужен ключ Ollama или DeepSeek, тестировалось на DeepSeek 4.1 Flash
• Скорость на M2 Pro с 16 ГБ — около 1-1.6
• Обработка книги по API — примерно 10-13 центов, Ollama в рамках тарифа
Для озвученного epub нужна читалка, которая такое умеет. В примерах — часовая история
#epub2audiobook #audiobook
MAX
+3
Timestral от Mistral
Семейство открытых базовых моделей для прогноза временных рядов. Версии на 5M, 28M, 123M и 209M параметров. Работают в режиме zero-shot — без дообучения под конкретный ряд
• Прогноз одномерных и многомерных рядов
• Ковариаты: только прошлые и известные на будущее
• До 32 768 шагов истории на входе и до 1024 шагов прогноза за один проход
• #SOTA zero-shot на GIFT-Eval, TIME и fev-bench
• Инференс на PyTorch, CPU или GPU
Зачем нужны такие модели
• Прогноз спроса и продаж, планирование закупок и склада
• Нагрузка на серверы и сети, планирование мощностей
• Финансовые и страховые ряды, оценка рисков
• Промышленность: датчики, вибрации, обслуживание по состоянию
• Энергетика: выработка, потребление, цены на рынке
• Медицина: мониторинг показателей, раннее предупреждение
huggingface.co/mistralai/Timestral-209M
github.com/mistralai/timestral
#timeseries
MAX
DBS (Dynamic Band Splitting)
Метод разделения аудиоисточников от Tsinghua: границы частотных полос подстраиваются под каждый микс, а не задаются заранее. Бюджет токенов при этом фиксированный.
Как работает
• Предсказывает границы полос по содержимому внутри частотных блоков
• Отбирает заданное число границ через hard Top-K
• Пулит полосы с учётом содержимого в компактные токены
• После разделения сглаживает и растягивает токены обратно на сетку STFT
• Уточняет их по частоте и декодирует комплексные маски общей по частоте головой
Две версии
• DBS-BSRNN: 4.7M, окна по 3 секунды
• DBS-TIGER: 1M, окна по 6 секунд
Обе делят монодорожку 44.1 кГц на музыку, звуковые эффекты и речь. BSRNN тяжелее и аккуратнее на коротких окнах, TIGER компактнее и смотрит дальше по времени
hf.co/JusperLee/DBS-TIGER-DnR
hf.co/spaces/JusperLee/DBS-Demo
github.com/JusperLee/Dynamic-Band-Splitting
#audioseparation #demix #unmix
Surjo-Image-Preview
Очередной микротрансформер на арихитектуре Looped DiT для генерации картинок 256×256 по тексту. 108 млн параметров, обучен с нуля на rectified flow matching.
Объекты и атрибуты даются лучше всего, позиции слабее, глаголы и точный счет почти не удаются. Текст рисует плохо, лица и руки ломаются вне распределения, подписи только на английском. Это финальные веса превью, полный релиз обещают с большим набором данных и доработанной архитектурой
Смотря что нужно. Модель крошечная и быстрая, поэтому её сильная сторона — там, где важна скорость и цена, а не финальное качество.
Где пригодится
• Черновики и превью: набросать композицию, цвет, настроение перед нормальной генерацией
• Пакетная генерация низкого разрешения: плейсхолдеры, фоны, текстуры, тайлы, мудборды
#compact #t2i
MAX
Decision Index
Первый бенчмарк для decision-моделей на Artificial Analysis — Jev и подобных
Слабое место почти у всех — отказ от галлюцинаций: у GLiDE 16.4, у Clef 4.3, у Celeris-1 ноль. То есть модели уверенно выбирают вариант, но не всегда честно говорят «не знаю»
Спасибо @morozovsk
#benchmark #decision #leaderboard
MAX
+1
Интерпретируемость нейросетей долго казалась тупиком. Нейроны выглядели как клубок: один реагировал и на кошек, и на машины. Объяснение: нейронов не хватает на все понятия, сеть складывает несвязанное вместе. Изучать сеть напрямую нельзя
Ник Каммарата, один из авторов ранних работ, вернулся к старым примерам с новыми инструментами. Оказалось, их прочитали неверно
Тот самый нейрон «кошки и машины» ловит букву V — усы и решетку радиатора. Каша в поздних слоях InceptionV1 была сбоем обучения: после обычных правок архитектуры 99-100% нейронов того слоя читаются. В Qwen3-32B у 90% нейронов одна основная задача, у 7% две связанные, и только 2-4% пока непонятны
Что принимали за свалку оказалось ветвлением: нейрон на «iy» дорастает до «diy», потом до «do it yourself»
Сети можно изучать как есть. Для контроля над поведением моделей это хорошая новость
already-clean.goodfire.com
#news
MAX
+1Nemotron 3.5 Super VL
Открытая модель на 120B параметров для постоянно работающих агентов: самое быстрое выполнение задач и высокая точность в своем классе. Вместе с ней вышли две edge-модели.
• Мультимодальные агентные задачи: следование инструкциям, работа с инструментами, многошаговые бизнес-процессы
• #OCR, таблицы, графики и структурированные данные в визуальных документах
• Читает веб-страницы, PDF и картинки, отдает выводы по ним
edge
• Bolt 74B-A9B 24GB: нативная 2-битная квантизация, влезает в 24 ГБ
• Bolt E4B 4GB: для голосовых ассистентов и встроенных интерфейсов на RTX и Jetson
HF
OpenRouter
#agent #multimodal
MAX
leanrea
Небольшой скилл для агента: один файл на 8 КБ. Заменяет REA для реверсинжиниринга приложений, но устроен проще.
REA — отдельный сервис между агентом и программами для анализа файлов. Весит 25 МБ, добавляет агенту больше двух сотен инструментов и требует настройки. Каждый запрос тянет за собой описание всех инструментов
leanrea ничего не устанавливает. Это просто текст который подсказывает агенту что делать
• Какая команда быстрее для конкретного типа цели: Electron, нативные бинарники, Go, Android, WASM, базы данных, веб
• Готовые команды для первого прохода
• Типичные ошибки и ловушки
• Правило помечать каждое утверждение: что видно, что выведено, что неизвестно
Как работает
Агент читает подсказки и запускает обычные утилиты через терминал. Промежуточного слоя нет - нет и накладных расходов
#coding #skill
MAX
Утечка в OpenCode
OpenCode сообщил о взломе. Инцидент связан с масштабной атакой дистилляции и затронул 1.4% пользователей OpenCode Console. Всех пострадавших уведомили письмом утром.
Что известно
• Затронута часть пользователей, у которых были привязаны внешние провайдеры
• Кому письмо не пришло, того инцидент не коснулся
• Инцидент продолжается, подробности пока не раскрывают
• Разбор ведут вместе с Anthropic, OpenAI и Google
Что именно утекло, не уточняется — формулировка про дистилляцию скорее про попытку выкачать модель через API. В комментариях пользователи уже спрашивают про списанные деньги и скомпрометированные ключи. Если привязывали внешних провайдеров, стоит проверить почту и перевыпустить ключи
#security #news
MAX
+1
DeepSeek-V4.1-Flash-1017
Не успел запостить мем про непродуктивную осень китайцев как они выпустили новый дипсик. Так что сначала надо смотреть мем. Потом новость, потом можно еще раз мем
Небольшое обновление V4.1-Flash, но с заметным приростом в рассуждениях, коде, агентных задачах и визуальных бенчмарках. Плюс модель тратит меньше времени на задачу и выдает более короткие ответы.
Результаты против Opus 5
• DeepSWE v1.1 — 77.0 против 74.0
• Automation-Bench — 60.5 против 50.3
• Agents' Last Exam — 35.4 против 28.6
• Apex Bench — 72.1 против 65.8
• Chartography с тулами — 83.0 против 84.0
Где пока позади
• Terminal-Bench 4.0 — 42.3 против 51.8
• ProgramBench — 29.1 против 37.0
• NL2Repo-Bench — 68.2 против 75.3
• HLE без тулов — 42.6 против 56.3
• Контекст 1 млн токенов
• Прежние цены API
#multimodal
MAX
+1
PerfectLab Studio
Кастом нода собирает консистентные фотосессии. Выбираешь человека, одежду, место, свет и камеру из библиотек с фото-превью — одна кнопка составляет промпты, размеры и сиды и отправляет всю сессию в граф.
• Профили моделей под Z-Image, Flux, Krea 2, Qwen-Image и SDXL — SDXL сам переключается на теги через запятую
• Карточки персонажей, пресеты, свои вайлдкарды и арки
Для H3-анимации из готовой серии кадров выбираются старт, середина и финал
#personalization #comfyui
MAX
MeshAxiom
Открытый 3D-стек от AlayaLab, рассчитанный на агентов. Базовая модель MeshAxiom-Base делает компактный явный меш из одного изображения с заданным бюджетом граней.
• Генерация явного меша по картинке с контролем числа граней
• Меши читаются инструментами: вершины и треугольники остаются в файле
• Агент вызывает геометрические тулы и получает компактные сводки и виды
• Модули переиспользуются: записи ассетов связывают геометрию и материалы с трансформами, ригами и движением
• Из модулей собираются сцены и сценарные программы
• Опциональный рестайл через H3 поверх готовой сцены
huggingface.co/AlayaLab/MeshAxiom-Base
github.com/AlayaLab/MeshAxiom
#agent #3d
MAX
+1
krea 3 prompting guide
Как промптить #krea3
#guide #prompting
MAX
Mago Local
Полная студия Mago как десктопное приложение. Если вы не идете к Маго, то Маго идет к вам и подсасывается к вашему комфи
• Генерация: из идеи или сценария до готового фильма
• Transform: свой материал перестилизуется покадрово или целиком
• Редактор с шотами, слоями и AI-рендерами на одном таймлайне
• Проекты, эпизоды, шоты и рендеры в одном месте
• Считает, сколько сэкономлено на локальном рендере против облака
Локальный стек
• LLM — Qwen3.8-27B
• Анализ картинок и видео — Qwen3-VL
• Персонажи и фоны — Qwen 2511 image/edit или Flux 2 dev
• Видео — MiniMax H3 ref2va в вариантах на 4 и 8 шагов
• Windows, NVIDIA от 16 ГБ VRAM, 60 ГБ на диске
• Работает с любым сервером #ComfyUI, включая RunPod и Vast.ai
• Если ComfyUI нет, Mago ставит его сам
• Облачные модели в приложении остаются
Код обещают открыть
#desktop #directing
MAX
