Age of IT

Kling 4.0 выпустили для генерации видео — нейронка создаёт ролики до 30 секунд сразу со звуком. Это вдвое больше предыдущего лимита. Для генерации можно использовать сразу три типа референсов: — Текстовые промпты; — Изображения с нужными кадрами; — Видео для ориентира. Ссылка Telegram: @Age_of_it

Fish Audio выкатили Drama 3 — мощнейший опенсор-генератор речи. Теперь можно подробно объяснить нейронке, как должна звучать каждая реплика. Например, добавить нервный смешок, перейти на шёпот или произнести фразу дрожащим голосом, будто человек вот-вот расплачется. Что ещё умеет: - Клонирует голос, сохраняя манеру речи. - Озвучивает диалоги сразу нескольких персонажей. - Позволяет заменить одно слово в готовой записи, не переделывая всё остальное. - Поддерживает 83 языка, включая русский. По тестам имба, обошла даже ElevenLabs в точности произношения. А ещё веса модели открыли для локального запуска, правда, понадобится мощное железо. Ссылка Telegram: @Age_of_it

Indra: OCR-модель всего на 1M параметров, которая рвёт PaddleOCR и Tesseract по скорости Вик Паручури, автор Marker и Surya, выпустил Indra, крошечную OCR-модель на 1 миллион параметров. Главная фишка в том, что при таком размере она гоняет текст прямо на CPU и делает это очень быстро. Цифры такие. На CPU Indra обрабатывает 49 страниц в секунду. Это в 11 раз быстрее PaddleOCR и в 17 раз быстрее Tesseract. При этом по качеству она тоже впереди: на тексте из OmniParseBench у неё 41,3 против 35,8 у PaddleOCR и 19,3 у Tesseract. Модель не только распознаёт текст, но и отдаёт полную разметку страницы и bounding box по строкам, так что её удобно ставить в пайплайны обработки документов. Миниатюрный размер означает, что её можно запускать локально без GPU и гонять большие объёмы сканов дёшево, а не платить за облачный OCR по страницам. Модель Telegram: @Age_of_it

Превращаем Claude в тулзу для 3D-дизайна с анатомической точностью — Anatomy помогает генерить интерактивные трехмерные схемы любых предметов и видеть, как они работают изнутри. • Пашет очень шустро — целый самолет можно сгенерить за минуту. • Готовые объекты можно редактировать, вращать, разбирать на детали, запускать анимации и наблюдать за работой отдельных узлов. Ссылка Telegram: @Age_of_it

Google выпустила EmbeddingGemma 2. Это первая открытая мультимодальная модель для эмбеддингов, изначально работающая с текстом, кодом, изображениями, видео и аудио. 740 млн параметров. Модульная архитектура. Модель создана для запуска прямо на устройстве, а не в дата-центре. При этом она обходит некоторые специализированные модели, которые более чем вдвое крупнее. В паре с Gemma 4 можно собрать полностью локальный RAG с упором на приватность. Ссылка Telegram: @Age_of_it

Инди-разработчики, для вас: нашли опенсорс-десктоп приложение Genex — внутри полный инструментарий для вайбкодинга игр. Это: - Несколько агентов, что параллельно пишут код, собирают уровни, делают 3D-модели и тд; - Есть команда ИИ-тестеров: смотрят на результат и помогают улучшать игру. Genex заточено под игры на Three.js, есть интеграции с Blender и Meshy. Также можно подключать плагины, скиллы, локальные модели и тд. В будущем обещают добавить поддержку Unity и Unreal, а сам Genex полностью БЕСПЛАТНЫЙ — пробуем клепать шедевры. Ссылка Telegram: @Age_of_it

Odyssey-3 — нейросимулятор реальности, в котором можно стать кем угодно. Нейронка генерирует целые миры по текстовому запросу. Можно гулять по локациям, управлять экскаватором или даже играть за собаку. Всё происходит в реальном времени: окружение реагирует на ваши действия, а модель пытается учитывать физику и последствия происходящего. Ссылка Telegram: @Age_of_it

Вот для чего нужен был вайбкодинг Telegram: @Age_of_it

Для генерации видео хватит 8 ГБ видеопамяти — нашли опенсорсную тулзу для локального запуска MiniMax H3! С ней для полноценного продакшена хватит видеокарты на 8 ГБ и 16 ГБ оперативы. - Проект подстраивается под железо и подгружает части модели; - Работает внутри ComfyUI — даёте промпт, первый и последний кадры, нужные пикчи, а также рефы (ролики, аудио и тд). - Десятисекундный ролик в 1344 × 768 на RTX 4060 Ti с 16 ГБ памяти генерится около девяти минут — придётся подождать. - Доступны видосы 18+ и да, всё Ссылка Telegram: @Age_of_it

Liquid AI добавила зрение в d1: модель принимает решения без генерации текста На входе текст, изображение или оба сразу. На выходе вероятности: «да/нет», выбор из вариантов или оценка по шкале. Всё за один проход модели. Текстовые решения занимают 200–300 мс. По тестам Liquid AI: - В 19–200 раз дешевле GPT-6.1 Sol и Claude Opus 5.5, быстрее на всех шести задачах. - На 4 из 6 задач результат не хуже GPT-6.1 Sol. - 85–97% точности на четырёх задачах проверки продукции по фотографиям. Практические применения: фильтрация обращений, поиск дефектов, выбор следующего действия для агента. Ссылка Liquid API Telegram: @Age_of_it

Превращаем любой PDF в интерактивную книгу — разработчики выкатили сервис Papermorph для Claude, чтобы усилить ваш опыт чтения. • Все просто: грузим PDF, а дальше Claude сам генерит план книги, сториборды, озвучку, анимации и даже квизы для лучшего запоминания. • Результат — полноценный интерактивный учебный сайт за минуту. Ссылка Telegram: @Age_of_it

ИИ-агенту теперь можно показать любую программу, чтобы он собрал свою копию. Это опенсорс-проект REA, который воспроизводит механики чужих проектов в вашем. Никаких исходников и внутрянки, агент сам исследует приложение и соберёт свою копию: 1. Устанавливаем 2. Запускаем rea setup 3. Подключаем агента 4. Показываем аппку или фичу На выходе получили декомпилированный софт с возможностью полностью повторить конкретные фичи или вообще приложение целиком. Ссылка Telegram: @Age_of_it

DeepSeek выпустил десктоп-агента на полном опен-сорсе. — Агент умеет работать с файлами, кодом и терминалом локально на вашем компьютере. — Главное: всё сделано из плагинов. Можно докрутить любые скиллы агента, которых не было изначально. — Легко ищет по инету, генерит тексты, пишет код — все быстро и без сбоев. — Работает на Windows и macOS. Ссылка Telegram: @Age_of_it

На GitHub выложили скилл для Claude Code, который превращает обычную картинку в полноценную 3D-сцену с отдельными моделями объектов и звуковым сопровождением. Получившийся мир можно дальше закинуть в Unity, Unreal, Godot или Blender. По словам автора, весь процесс занимает меньше пяти минут. Ссылка Telegram: @Age_of_it

Голосовые теперь можно записывать ВЕЗДЕ — разработчица сделала приложение, которое читает по губам и превращает беззвучную речь в текст. Просто смотрите в камеру и произносите нужную фразу одними губами — приложение распознаёт её и печатает за вас. Теперь можно «надиктовывать» хоть в офисе, хоть в метро, хоть ночью. Ссылка Telegram: @Age_of_it

Nano Banana в прошлом — бывшие разработчики Google выпустили Ideogram 4.5, которая не портит пикчи после редактирования. - С её помощью можно перекрасить объект, поменять освещение вместе с тенями и отражениями; - Перевести текст с сохранением стиля; - Постепенно восстановить старое фото; - Меняется только выбранный элемент — всё остальное остаётся на месте. Авторы сравнили её с GPT Image и Nano Banana: те после серии правок начинают копить искажения, а Ideogram держит детали. Ссылка Telegram: @Age_of_it

Telegram: @Age_of_it

Китайские разработчики показали Unimate, которая умеет оживлять 3D-персонажей по текстовому описанию. Нейронке достаточно дать готовую модельку и написать, какое движение нужно получить. Она сама учитывает скелет персонажа, суставы, исходную позу и пропорции костей. За счет этого одну систему можно использовать для разных персонажей без отдельного обучения под каждую модель. Ссылка Telegram: @Age_of_it

Google официально представила Gemini 4 Argon Это новая frontier-модель компании для сложных многошаговых задач: программирования, финансового и юридического анализа, корпоративных workflow и кибербезопасности. Главная особенность Argon — до 1 миллиона выходных токенов против 64K у предыдущего поколения. Google делает ставку на очень длинные траектории рассуждений, где модель может работать над одной задачей сотни тысяч токенов подряд. Что показали внутри Google: - 77,9% на DeepSWE v1.1 для сложных software engineering задач; - первое место на AutomationBench с 51,3%; - 91,7% на LVBench для понимания длинных видео; - 68% на CWE-bench v1 по исправлению уязвимостей. Но интереснее реальные кейсы. Агенты Argon помогали Google переносить крупные C/C++-кодовые базы на Rust, включая компоненты Fuchsia Zircon объёмом более 800 000 строк. В другом проекте модель переработала 32 000 строк SIMD-кода в Rust, а итоговая версия работала в 2,7 раза быстрее предыдущего Rust-порта. Telegram: @Age_of_it

GPT-6.1 Sol вышла — Альтман дропнул мощнейшую модель для кодинга и профессиональных задач. По производительности она совпадает с Astra, но стоит значительно дешевле. Telegram: @Age_of_it