Нейронавт | Нейросети в творчестве

MOSS-Image AMA: разработчик ответил на вопросы на реддит 5B модель, делали полгода, упор на текст в картинке, управление композицией и базу под дообучение. Что выяснилось • Сборка для ComfyUI перевалила за 354 тысячи скачек • Модель чувствительна к сиду и выдает очень разные картинки, на коротких промптах управлять трудно. На длинных один сид держит стабильно, а правка промпта при том же сиде работает как редактирование • В официальной сборке ComfyUI полный VAE FLUX.2, в их чекпойнте маленький декодер: убирает пятна и артефакты • Мыло лечится негативом "blurry" • AI-картинки из датасета вычищали, часть просочилась, отсюда вкус чатжпт в аниме Планы • Ближайшее, аниме-версия: аниме-данных было мало, результатом недовольны • Edit-модель обсуждают, но для i2i нужны парные датасеты, малой команде тяжело • XL на 10-12 млрд думают • Пайплайн подписей на Gemma 4 и prompt enhancer обещают • Автор советует Base вместо SFT: у SFT бандинг и специфичный стиль Реддит уже банил пост, но сейчас он открыт, вопросы все еще можно задавать #mossimage #ama MAX

У математиков случилось то, что скоро случится почти в любой профессии. Матокалипсис! За драмой можно наблюдать прям сейчас, там очень весело и интересно. Началось с того, что в августе OpenAI собрала 40 математиков на встречу с интригующим названием «Конец математики». Если коротко — в одном из вариантов человеческая помощь моделям нафиг уже не нужна, спасибо, мясные, отойдите, пожалуйста. Ещё математики там попросили публиковать всё статьями, но OpenAI всё выбросила постами, типа, сношайтесь там сами. Пока они сношались, то заметили, что идеи машинных доказательств бывают подозрительно похожи на их неопубликованные наработки, которые они обсуждали с OpenAI. 8 сентября OpenAI сказала, что её закрытая модель решила проблему Навье-Стокса. Это, если что, штука, которую люди решить не могли. За пару часов до этого ещё один товарищ со спецом из Антропика шли тем же путём и были близко, но OpenAI узнала про это и рванула наперегонки. Ещё ему предложили сделку (с его слов): писать статью вместе с OpenAI, но без коллеги Альпёге, потому что тот работает у конкурента. OpenAI сказали, что это всё ужасная ошибка, и они взяли 10 тысяч агентов на 88 часов. Дальше офигенная цепочка событий: — 25 топовых математиков подписали декларацию: цели ИИ-компаний и математики резко расходятся, результаты объявляются в спешке, без нормального изложения и ссылок на предшественников, что пахнет плагиатом. — OpenAI сняла спонсорство с одного из мероприятий, где было дофига участников декларации. — OpenAI завела консультативную группу математиков. Группа сразу попросила не гонять сложные задачи на закрытых моделях. — 6 октября выложила 722 рукописи закрытой модели и сказала, что сношайтесь всё же, потому что тут многие результаты не понимают даже встроенные в компанию математики. Вроде, за день до этого учёные в панике публиковали свои неоконченные работы, чтобы их не обогнали. — Объяснили такой скотский подход (с точки зрения математиков) тем, что OpenAI и Anthropic готовятся к IPO. — Крупная ассоциация математиков предложила объявить бойкот OpenAI. В них в ответ покидали деньгами. Дальше жопа сгорела у всего сообщества, потому что несмотря на скотский подход, доказательства-то реальные, и наука двигается. Можно истерить, но наука двигается. Но там море проблем: — У многих опустились руки — нет смысла думать над такими задачами, потому что робот всё решит. — Есть такой Йорг Нойнхойзерер, который всю жизнь решал три задачи и не решил, а ChatGPT походя их закрыл. Ну сорян, чо. — Профессор Лосано-Робледо опубликовал письмо студента, который мечтал об академической карьере, а теперь не понимает, останется ли в математике место для кого-то, кроме гениев. Таких писем вроде бы много много. Процесс тоже поменялся: аспирантам теперь спускают машинные доказательства на переписывание. В итоге ответов стало слишком много, и срочно нужны люди, которые встроят их в понятное знание. Но это ровно та работа, ради которой в математику никто не шёл. Шли вообще-то искать сами, а тут предлагают помогать роботу. Тут работа про то, как проверять доказательства, потому что моделям верить на слово нельзя. Предлагают точно так же, как в разработке — писать скрипт и исполнять. Конкретно выгружать доказательство на языке Lean, который исполняется компилятором. Собственно, основная проблема теперь — оно стало всё проверяемо, но НИХРЕНА НЕПОНЯТНО, как работает. За последнюю неделю выяснилось, что Lean-формализация Навье-Стокса не совпадает с доказательством в самой статье, так что третья черепаха врёт. Ну и предложили математику 2.0 — решать не надо, надо объяснять. Добро пожаловать в матокалипсис! -- Вступайте в ряды Фурье! | Лучшие посты 350 лет без рекламаций! Без документации! Без инструкций! Без поддержки! Теорема Ферма!

#news

MiniMax M3.1 Flash Space Bunny оказался ранней версией M3.1 Flash Результаты • Automation-Bench 62% • ALE 30% • DeepSWE 74% • BabyVision 91% • Втрое быстрее M3 при трети цены API • 0,15 доллара за 1 млн входных токенов • 0,60 за 1 млн выходных • 0,015 за чтение из кеша, в десять раз дешевле входных Доступ • API, подписка M Plan и десктопный MiniMax Code • Веса обещают открыть 23 октября • При такой цене модель метит в агентные циклы, где важны тысячи дешевых вызовов, а не одна мощная генерация • Для сравнения: тот же объем работы на M3 стоит втрое дороже и идет втрое дольше #agent #api MAX

Grok Voice 3.0 Голосовая модель, работает речь в речь: слушает и отвечает голосом, без промежуточного текста. Заявленный отклик меньше секунды, это главный аргумент для телефонии. Где уже работеат • Автомобили Tesla и поддержка Starlink • 20 тысяч звонков в день, около 70% закрывает без человека: от проверки клиента до отправки замены оборудования • То есть это не демо, а рабочая линия с измеримой долей автоматизации Что с доступом • Voice Agent API, 8 центов за минуту, как у прошлой версии • Русский язык не поддерживается 🚫 Короче, для автомобилей и техподдержки хватает, для сложных разговоров нет Попробовать #tts #sts #voicemode MAX

Устал я писать новости, так что #оффтоп о том что меня бесит* Звонок с незнакомого номера

Я: алло? Робот: не вешайте трубку...

Это вы мне звоните ушлепки, чтобы мне чтото втюхать, а не я вам. Я ни секунды не буду ждать пока ваш низкооплачиваемый сотрудник коллцентра сможет со мной поговорить. Особо горячий котел в аду тому кто выдумал эту хрень с дозвоном * на КДПВ - генерация MOSS-Image по промпту как же бесит, мем #набрюзжал MAX

Photon движок поиска и ранжирования от Perplexity для агентов. Заменил открытый движок, который в компании годами держали форком, и теперь обслуживает весь поиск. Что не устраивало • p99 до 800 мс, во время слияния индексов уходил в 1,2 с на 10-15 минут • Индекс не влезал в память, холодные чтения вставали в page faults • Синхронизация нового кластера занимала больше недели Что сделали • Компактные форматы: перевернутый индекс с блоками по плотности и отдельная запись docblob с частотами и позициями • Кэш под батчевые чтения, диск асинхронно через io_uring • Сборка индекса отделена от выдачи: группа сначала прогревается, потом получает трафик Результат • p99 внутри Photon 65 мс вместо 800 • На 20% меньше машин при 2,5 раза больше данных на документ • Быстрый пресет Search API: 160 мс p50, 230 p95, стоимость задачи ниже на 68% при сопоставимом качестве • Писали небольшая команда и рой постоянных кодинг-агентов #search

Harness² от Google агент улучшает свою среду Результат агента зависит не только от модели, но и от окружения: промпта, инструментов, памяти, навыков, субагентов. Это окружение называют harness. Harness² меняет его под новую задачу без переобучения модели. Как работает • Редактируемых компонентов восемь: системный промпт, guardrails, память, описание инструментов, субагенты, навыки, скрипты, плагины • Цикл Propose-Probe-Compose: агент предлагает правки, пробует их на одной задаче, сравнивает запуски и собирает улучшенную конфигурацию • Правильный ответ и внешний проверяющий не нужны: опора на контраст поведения между запусками • Уровень выше копит опыт, принятые конфигурации и подтвержденные запусками выводы уходят в постоянный improvement harness Что в релизе • Параллельный и последовательный режимы • Исполнители OpenCode и Codex #agent #harness MAX

MOSS-Image официальные веса от ComfyOrg Пул-реквест kijai уже влит в основную ветку #mossimage #comfyui MAX

GaussFusion Чистка 3DGS видеомоделью CVPR 2026, Stanford и Zillow Group. • Чинит готовую реконструкцию на гауссианах: убирает летающие точки, мерцание и размытие от ошибок позы камеры и неполного покрытия • Не переобучает сцену, а улучшает рендер видео-моделью • Работает и с оптимизационными методами, и с прямыми вроде DepthSplat Как работает • Из реконструкции рендерится буфер гауссиан: цвет, глубина, нормали, непрозрачность, ковариация • Буфер идет в VAE и трехмерную свертку, сжимается в латент геометрии • Flow-трансформер на блоках DiT с геометрическими адаптерами сшивает его с латентом видео, текст входит через cross-attention • На выходе согласованные по времени кадры без артефактов Быстрый вариант дает 16 FPS, годится под интерактив Код и модель ждем Спасибо @m_Franz #gaussian MAX

Новости ИИ, которые можно проверить. Три истории из ролика вышли в «Нейрогазете» за один день — 14 октября. В каждом посте — проверенные факты и ссылка на первоисточник. Каждый день с утра до вечера — коротко о новых моделях, решениях компаний и других событиях в ИИ. Без воды и морали. Подпишись: https://t.me/+jqF88923qXgwYjVi?erid=2W5zFHHkFFf

World from Motion 4D реконструкция на гауссианах из одного видео. С июля лежало в закладках ждало релиза Stanford и NVIDIA, NeurIPS 2026. World from Motion: 4D из одного видео Stanford и NVIDIA, NeurIPS 2026. Код и веса открыты. • За основу взята реконструкция MoSca. Видеомодель DiffSynth дорисовывает виды с новых камер, потом эти кадры дистиллируются обратно в сцену • То есть реконструкция и генерация работают в паре: где данных не хватает, их добирает видеомодель на базе Wan2.1-VACE-14B github.com/GradientSpaces/World-from-Motion huggingface.co/liyzzz/World-from-Motion Спасибо @m_franz #videoto4d #4d #gaussian MAX

Kimodo / ARDY NVIDIA обновила семейство генерации движения. • Kimodo-SOMA-RP-v1.2 — базовая, сглаженный корень, исправленные сплиты • Kimodo-SOMA-RP-ArdyRep-v1.2 — та же база, но с представлением Ardy: сырая траектория бедра, совместимость с ARDY • ARDY-SOMA-RP-KimodoRep — авторегрессивная ARDY в представлении Kimodo • В апреле вышли Kimodo v1.1, где часть тестовых последовательностей попала в обучение — метрики были несравнимы. В v1.2 утечку убрали, скольжение стоп меньше, метрики сопоставимы • ARDY вышла в июле. Теперь у нее есть вариант в представлении Kimodo • Kimodo делает клип фиксированной длины одним проходом, ARDY работает авторегрессивно и в реальном времени • Kimodo: 282M, до 10 с, 30 fps • ARDY: 192M, история и выход до 8 с github.com/nv-tlabs/kimodo hf.co/nvidia/Kimodo-SOMA-RP-v1.2 hf.co/nvidia/Kimodo-SOMA-RP-ArdyRep-v1.2 hf.co/nvidia/ARDY-SOMA-RP-30FPS-KimodoRep-Horizon60 #animation MAX

3DCodeVerse Исследовательская экосистема, кодинг-агентов делать 3D-контент кодом: статичные и артикулированные объекты, сцены, целые миры и анимацию. Результат — редактируемая и проверяемая программа, а не запеченный меш. Из чего состоит • 3DCodeVerse-2M: 2 млн самостоятельных исполняемых 3D-программ. Внутри исходники, ассеты для запуска в заявленной среде, описания и записи проверок • 3DCodeVerse Harness: мультиагентный фреймворк на графе зависимостей. Проверяет исполнение, измеряет пространство и смотрит на рендеры, правит программу без участия человека • Практические рекомендации по 3D-кодингу из серии экспериментов • 90% побед против Claude Design (3D Object) в парных человеческих оценках, обе стороны работали через Claude github.com/gaoypeng/3dcodeverse #agent #3d MAX

#humor MAX

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

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

#humor 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