comfyui-mcp MCP-сервер для комфи от подписчика @Aleks_101 Подключает любого ИИ-агента к локальному ComfyUI. Не только через API, а напрямую к рабочему процессу, открытому во вкладке браузера. Официальный mcp от ComfyUI только облачный, аналоги завязаны на ключи и Copilot - тут всё своё, локально. • 45 инструментов для LLM: статус, воркфлоу, логи, канвас, запуск, скачивание моделей • Чтение и правка живого графа - виджеты, связи, лейблы, layout, undo • Запуск воркфлоу с прогрессом и отдачей результата • Скачивание моделей в нужные директории без ручной загрузки • Диагностика по логам ComfyUI и консоли браузера • Сборка воркфлоу с нуля или починка нерабочего графа • Перевод подписей графа на другой язык одним вызовом • Конфиги готовы под Claude Code, Cursor, Kilo Code, OpenCode, LM Studio, Cherry Studio, MiMo Code, OpenClaw, Hermes, Codex, llama.cpp • Белый список хостов для загрузки моделей #comfyui #mcp

🌟 Cohere Labs выложила компактную зрительно-языковую модель North Micro Vision Модель на 2,4 млрд параметров стала самой маленькой в линейке VLM компании. От большинства таких моделей она отличается тем, что работает с изображением в исходном разрешении.

Обычно картинку перед подачей в модель сжимают, и мелкий текст, разметка таблицы и подписи на графике при этом теряются. Здесь пропорции сохраняются, а верхняя планка соответствует странице A4, отсканированной при 200 dpi.

Отсюда и заявленная область применения - документы, таблицы, графики, скриншоты, формы. Компактный размер удобен для дообучения под свою предметную область, а квантованные сборки, по словам Cohere, пойдут не только на сервере, но и на ноутбуке или устройстве мобильного класса. 🟡Архитектура Зрительный энкодер на 400 млн параметров вырос из SigLIP 2 и держит исходное разрешение за счёт двумерного RoPE вместе с обученными одномерными позиционными эмбеддингами. Языковая часть - собственная North Micro LLM на 2 млрд параметров, повторяющая архитектуру Command A+: три слоя внимания со скользящим окном и RoPE чередуются с одним глобальным слоем, который работает вообще без позиционных эмбеддингов.

Получается разделение труда - окна с RoPE держат локальный контекст, глобальный слой смотрит на всё сразу и в разметке позиций не нуждается.

Между ними проектор, и здесь изюминка. Вместо того чтобы отдать языковой модели один готовый набор признаков, Cohere подмешивает эмбеддинги патчей с нескольких уровней зрительного энкодера в соответствующие ранние слои языковой модели. Так модель видит картинку сразу на разных степенях обобщения. Принцип взят из DeepStack. 🟡Тесты Замеры проводили через VLMEvalKit, сравнивая с восемью моделями размером от 1,6 до 5,1 млрд параметров. Сильнее всего North Micro Vision выглядит там, куда её и целили.

На DocVQA 0,921, на ChartQA 0,808, на AI2D 0,775, на RefCOCO 0,732 (втрое выше, чем у Ministral и Qwen3-VL).

Общий язык и рассуждение даются слабее.

На MMMU 0,329, худший результат в таблице; на MMLU и MMLU-Pro модель тоже уступает большинству соседей.

📌Лицензирование: Apache 2.0 License. 🟡Статья 🟡Модель 🟡Демо @ai_machinelearning_big_data #AI #ML #VLM #NorthMicroVision #Cohere

когда я начал смотреть и изучать этот рынок, первым делом решил поискать других инвесторов, кто вкладывался на ранних стадиях в описанные выше компании. после небольшого рисёрча по базам я стал неожиданно часто натыкаться на японские имена в GP фондах. по работе в Японии у меня сложилось стойкое ощущение, что японца за границу не вытащишь; они сами туда не сильно стремятся, да и чувствуют себя одиноко. в общем, Африка была не тем местом, где я ожидал услышать приятное уху nihongo jouzu desu ne в ответ на свой почти полностью утраченный японский. короче, не знаю, где вам это может пригодится, но впереди пост про перепитии венчурных инвестиций в Японии. начнём с того, что японский бизнес в Африке представлен давно и плотно, особенно в автопроме. сбытовая сеть Toyota дотягивается до 53 африканских стран, а торговый дом группы Toyota Tsusho в середине десятых выкупил французский CFAO, крупнейшую дистрибуторскую сеть континента. да и японцы в африке всем нравятся. в политику особо не лезут (есть только военная база в Джибути), колониального прошлого за ними в Африке нет, а люди будут ездить на короллах при любом режиме. япония праворульная, поэтому японская бэушка активно осела в праворульные страны: кения, танзания, уганда, замбия, зимбабве, юар. японский венчурный капитал отличается от привычного американского, нацеленного на быстрый рост, рост оценки и классическую лестницу раундов. в штатах LP это эндаументы, пенс-фонды, фэмили-офисы, и иногда корпорации и мандат у них один: доходность. в японии LP это в большинстве корпорации, которым нужны и деньги, и «стратегическая ценность», то есть новые направления бизнеса. вместо того чтобы заказывать какую-то отписку от PwC про анализ рынка, легче проинвестировать в нескольких предпринимателей и иметь место в первом ряду. при этом японские корпораты в Африке спокойно ко-инвестируют мимо собственных фондов. один японский корпорат может одновременно быть LP в фонде, вести свой CVC, давать стартапу долг и подписывать с ним операционное партнёрство. например в series A у Moove сидит Verod-Kepple, японско-нигерийский фонд, рядом с ним MUFG. в MAX ещё в 2019 г. в Autochek и кенийском Fleetsimplify Mobility 54, CVC Toyota. лучшая иллюстрация того, зачем это всё, MUFG. банк вложился в Moove , а потом через свою сеть среди японских конгломератов организовал Moove партнёрство с Suzuki, по которому Suzuki стал основным поставщиком машин. вообще описанную выше модель vehicle finance очень полюбили японские корпорации. японская ставка, до недавнего времени была (сейчас 1%, была окулонулевая) едва ли не лучший экспортный товар страны после машин японский мфо Hakki, весь бизнес построил вокруг простого арбитража - занимать в японии и выдавать кенийским таксистам, где рынок привык к совсем другим цифрам. ставка получается на 25–35 процентных пунктов ниже конкурентов. посмотрел к посту, во что вкладывали японцы за это время. больше трети инвестиций это финтех - 59 компаний из 157. следом мобильность и логистика (27) и healthcare (23), дальше энергетика (13), e-com и маркетплейсы (13), и совсем немного агро (6). инвестиций по-крупному окупились в пять компаний: финтех Moniepoint (Kepple), Moove (Verod-Kepple и MUFG), кенийский M-KOPA (Sumitomo заходил дважды, в 2018 и 2023), платежка OPay и аналог TopTal Andela, в которые в 2021-м зашёл SoftBank (больше он никуда не заходил) ни одного крупного поглощения африканского стартапа японской корпорацией так и не случилось. зато Moove, купил японский автопарк, Tokyo Taxi. вообще: японцы в Африке не только инвестируют, но и строят сами. таких контор шесть. Wassha в танзании это pay-as-you-go-фонари через сеть киосков, на которую Yamaha и Daikin потом навесили доставку и подписку на кондиционеры. Dots for в Бенине, солнечные роутеры по деревням. Degas в Гане кредитует фермеров и смотрит на их поля со спутника. Dodai в эфиопии делает электробайки местной сборки, $13m в апреле, крупнейший раунд в истории эфиопских стартапов.

Кстати, да — почитайте про то, как Китай распространяет "цензуру-как-сервис". Российские сормоделы пытаются конкурировать с ними, но беда в том, что Китай это еще обеспечивает оборудованием и "господдержкой". Чего у всяких VAS-Expert или Протея не будет никогда. И да — на санкции китайским корпорациям похер, потому что они с госучастием и там как сделали "проект", так и вышли из него. А российским, конечно же, никто помогать не будет. Хоть как ты рассказывай в презентациях, что вот твоя-то херобора Сигнал умеет блочить. Но от этого вся история с censorship-as-a-service легче не становится. Надо думать, что делать с китайцами в этом отношении.

🤝 ВИ.РУ: В2В стал инструментом роста Онлайн-гипермаркет оборудования и инструментов отчитался по МСФО за полугодие ВИ.РУ (VSEH) ➡️Инфо и показатели Результаты - выручка: ₽89,6 млрд (+3,2%) - EBITDA: ₽5 млрд (+37,6%), рентабельность: 5,6% (+1,4 п.п. - чистая прибыль: ₽2,6 млрд (против прибыли в ₽0,2 млрд за 1п25г) - САРЕХ: ₽0,4 млрд (-29,7%) - FCF: ₽7,7 млрд (+138%) Компания ожидает, что выручка по итогам года вырастет не менее чем на 5%. Менеджмент также повысил прогноз по годовой чистой прибыли с ₽3,4–6 млрд до ₽4,5–6,5 млрд. Бумаги ВИ.РУ (VSEH) растут на 1%. 🚀 Мнение аналитиков МР Результаты сильные и соответствуют нашим ожиданиям. Рост выручки был ожидаемым после публикации операционных показателей, а взлет чистой прибыли — после динамики предыдущих кварталов. EBITDA улучшилась благодаря оптимизации бизнеса и фокусу на наиболее прибыльном B2B-сегменте. Отдельно отмечаем сильную динамику свободного денежного потока (FCF). За последние 12 месяцев компания высвободила значительный объем средств за счет оборотного капитала, что поддержало дивидендные выплаты. Во 2 полугодии ожидаем сохранения динамики с возможным ускорением: традиционно 2 полугодие для компании сильнее первого, особенно 4 квартал, где сезонно больше продаж. Новые прогнозы менеджмента так же считаем достижимыми. Исходя из этого, мы с осторожным позитивом смотрим на акции ВИ.РУ. 📍 Подписаться на канал | Мы в MAX

Что лучше покупать бизнес или строить с нуля? А зависит от ваших компетенций. Если вы супергуру, просто лучший из лучших в какой-то нише, то вам имеет смысл покупать бизнес в ЭТОЙ нише. Вы сможете правильно его оценить, вы сможете купить дешёвое и «умирающее» и развить в растущее и процветающее, вы знаете, что и зачем берёте и что будете с этим делать. Фактически, вы берёте актив ценой в 100 рублей, сначала умножаете его на слабые компетенции предыдущего собственника, покупаете за 50, а далее умножаете на свои компетенции и получаете на выходе 100 или даже 150 рублей. Но если ранее вы никогда не занимались этим бизнесом, а точнее, не преуспели в нём ранее УЖЕ, то покупать вам ничего там нельзя. Получается, надо «строить с нуля»? Ну, из двух зол выбираем меньшее. Спасать плохо работающий бизнес сложнее, чем пробовать заново - одно УЖЕ умирает, а новое еще может случайно получиться. А лучше всего пойти на работу в выбранную нишу и учиться-учиться-учиться. И вот когда станете экспертом и гуру, то покупать.

🔁🌐 TRANSLATED REPOST ➖➖➖ Утечка исходного кода раскрыла китайскую «цензуру как услугу» Инструменты обхода блокировок · 17.08.2026 Утечка века случилась ещё в сентябре 2025 года, но только теперь исследователи разобрали её по кирпичикам: 100 000 документов от Geedge Networks — китайской DPI-компании, тесно связанной с «Великим китайским файрволом» — включая исходный код, более 500 Git-репозиториев и пятилетнюю историю коммитов. Это первая в истории утечка кода коммерческой системы цензуры, и команда из Мичигана, GFW Report, Падерборна, UMass Amherst и Колорадо-Боулдера, не раздумывая, собрала этого Франкенштейна локально и запустила его. Немного контекста, от которого хочется присесть: компания была основана в 2018 году Фан Биньсином — да, тем самым Фан Биньсином, человеком, которого называют «отцом Великого китайского файрвола». Судя по всему, он решил, что одного файрвола на страну мало, пора масштабировать бизнес. И масштабировал: продукт TSG (Tiangou Secure Gateway) поставлялся в Казахстан, Мьянму, Пакистан и Эфиопию — с полным пакетом «под ключ»: интеграция, обучение операторов, техподдержка. Настоящая франшиза цензуры. Что внутри. TSG умеет блокировать VPN и обфускацию по отпечаткам JA3/JA4, длине пакетов и сертификатам — в журнале сигнатур 21 из 29 инструментов помечены максимальным уровнем риска 5, включая ExpressVPN, NordVPN, Psiphon и Tor. При этом два из трёх модулей распознавания трафика — это просто заимствованный код: открытая библиотека libprotoident и проприетарный Qosmos ixEngine. Так что даже вендор при поддержке государства и с деньгами не стал заморачиваться и строить DPI с нуля — проще взять что-нибудь готовое. Отдельно радуют тикеты в Jira. Заказчик из Мьянмы жаловался, что Signal с включённым обходом цензуры не удаётся заблокировать, а Эфиопия была расстроена тем, что блокировка Psiphon заодно вырубала TikTok, BBC и CNN — из-за чего команде пришлось наспех соорудить «белый список» популярных доменов, чтобы не так очевидно попадаться на нанесении сопутствующего ущерба. И вишенка на торте: сопоставив извлечённый код с реальными измерениями трафика, авторы обнаружили почти идеальное совпадение с DNS-инженерией— Источник: https://www.usenix.org/system/files/usenixsecurity26-ablove.pdf ➖➖➖ 🔁🌐 Repost & Translated from: Brandmauer Report

Ошибка сотворения ИИ Создав ИИ не по своему образу и подобию, мы вложили в него нечеловеческий разум и дали ему нечеловеческие глаза Несколько лет я объяснял странную слепоту ИИ инаковостью его разума. ИИ способен описать картину, стилизовать фото под Ван Гога, нарисовать фантастический город – и тут же ошибиться в количестве одинаковых фигур, перепутать правое и левое, не заметить геометрическую нелепость, очевидную ребенку. Я считал: дело в том, что машина думает иначе. Теперь же вижу - это не весь ответ.

Еще до того, как отправить изображение в «мозг» ИИ, мы задали, как он увидит мир. И задали весьма странно.

Современное компьютерное зрение показывает машине реальность идеально равномерной сеткой. Лицо ребенка, пустая стена и край дивана получают примерно одинаковое разрешение и одинаковый объем вычислений.

Мы дали ИИ электронную миллиметровку, а теперь удивляемся странному миру, что он на ней видит.

  Представленная на ICML 2026 работа Блауха, Альварес и Конкле описывает новый фовеированный зрительный интерфейс (FOVI), организованный по принципу фовеации, т.е. с высокой центральной и пониженной периферической детализацией. На входе ИИ как бы возникает искусственная «сетчатка»: высокая детализация в центре взгляда и все более грубое представление к периферии.   Идею фовеированного машинного зрения исследуют давно. А новизна FOVI в том, что авторы и не пытались втиснуть «сетчатку» в привычную машине прямоугольную сетку, а создали для нее V1-подобную вычислительную геометрию (V1-первичная зрительная кора).   Цена вопроса такова • Обычная модель смотрит на все с одинаковым вниманием. В трансформере это стоит 4й степени: удвойте сторону кадра – и расходы на внимание вырастут в 16 раз. • Человек столько не платит. Резко мы видим крохотную область в центре взгляда – фовеа. Мозг перемещает этот островок резкости и сшивает последовательность фиксаций с памятью, ожиданиями и контекстом в переживание цельного мира. • Если бы все поле зрения имело разрешение фовеа, длинная ось зрительной коры выросла бы в 25 раз – до 1,2 метра. То, что кажется несовершенством наших глаз, оказывается древнейшей технологией сжатия реальности. • Фовеированный вариант модели сохранил 97% точности за 1/3 вычислений и 1/16 пикселей.   И тут начинается самое интересное FOVI не доказала, что ИИ научился видеть пространство по-человечески. Авторы вообще не проверяли те провалы, о которых писалось в начале поста: счет объектов, право и лево, геометрические нелепости. Более того, авторы пишут, что выигрыш может объясняться прежде всего тем, что фовеированная модель меньше цепляется за нерелевантный фон. Т.е. пересадка подобия сетчатки пока не дала ИИ ни интуитивной физики, ни любопытства, решающего, куда дальше посмотреть.   И все же эта работа меняет многое Раньше я считал границу инаковости машинного «разума» очевидной. Теперь эту границу приходится проводить заново и эмпирически: менять сам способ, которым мир предъявляется машине, и смотреть, какая часть инаковости исчезает вместе с изменением ее «глаз». Мы ведь до сих пор не знаем, сколько из принятого нами за свойства иного интеллекта принадлежит самому интеллекту.

Возможно, часть «инопланетности» ИИ мы сконструировали сами, а потом решили, что это его собственное свойство.

  «Я приписал разуму то, что было в глазах» – так называется мое новое эссе [1, 2, 3, 4]   В нем – о том, почему десятилетиями человеческую фовеацию пытались втиснуть в машинную миллиметровку и получали геометрически искаженную периферию; зачем такая «сетчатка» понадобилась NVIDIA и роботам; почему экономия вычислений еще не означает появления пространственного понимания; и почему без агента, самостоятельно выбирающего следующую точку взгляда, зрительного исследования мира у ИИ не будет.   А главный вопрос эссе: что в чужеродности машинного зрения – от природы машины, а что – от нашего инженерного произвола?   #LLMvsHomo #ИнойИнтеллект