Нейронавт | Нейросети в творчестве
Открыть в 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
Больше📈 Аналитический обзор Telegram-канала Нейронавт | Нейросети в творчестве
Канал Нейронавт | Нейросети в творчестве (@greenneuralrobots) языкового сегмента Русский является активным участником. Сейчас сообщество объединяет 13 228 подписчиков, занимая 2 666 место в категории Искусство и дизайн и 48 929 место в регионе Россия.
📊 Показатели аудитории и динамика
С момента создания невідомо проект демонстрирует стремительный рост, собрав аудиторию из 13 228 подписчиков.
Согласно последним данным от 18 октября, 2026, канал показывает стабильную активность. За последние 30 дней изменение числа участников составило 277, а за последние 24 часа — 4, при этом общий охват остаётся высоким.
- Статус верификации: Не верифицирован
- Уровень вовлечённости (ER): Средний показатель вовлечённости аудитории составляет 12.03%. В первые 24 часа после публикации контент обычно набирает 9.07% реакций от общего числа подписчиков.
- Охват публикаций: В среднем каждый пост получает 1 591 просмотров. В течение первых суток публикация набирает 1 200 просмотров.
- Реакции и взаимодействия: Аудитория активно поддерживает контент: среднее количество реакций на один пост — 14.
- Тематические интересы: Контент сосредоточен на ключевых темах, таких как гитхаб, assistant, claude, imageediting, параметр.
📝 Описание и контентная политика
Автор описывает ресурс как площадку для выражения субъективного мнения:
“Канал про нейросети в компьютерной графике, в кино и вообще
В папках и запусках не участвую
для связи @Neuronauticus
РКН: https://hf.ru/link8e56d”
Благодаря высокой частоте обновлений (последние данные получены 19 октября, 2026) канал поддерживает актуальность и высокий уровень охвата публикаций. Аналитика показывает, что аудитория активно взаимодействует с контентом, что делает его важной точкой влияния в категории Искусство и дизайн.
13 228
Подписчики
+424 часа
+617 дней
+27730 дней
Архив постов
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
