#Нейропрожарка 🎬 STATUS — короткометражный AI-фильм за выходные Автор: Владислав Кушнарев Ник тг- @insaide Ссылка ютуб- https://youtu.be/VBIdzYfCEGU?si=nCJTlNExfJw7yPn1 Идея STATUS появилась у меня ещё несколько месяцев назад. Хотелось сделать максимально классический криминальный триллер: Нью-Йорк, банк, ограбление, полиция, погоня — без какого-то особого ноу-хау. Главный интерес был в другом: можно ли одному человеку с помощью AI собрать не просто набор красивых кадров, а фильм, который реально хочется досмотреть? Сначала пробовал делать его на Kling 2.5/3.0 и Hailuo/Minimax, но довольно быстро понял, что по движению, актёрской игре и консистентности результат меня не устраивает. Проект отложил. Когда появился Seedance 2.0, решил вернуться к нему. 🧠 Пайплайн Практически весь проект — от сценария и персонажей до диалогов, раскадровки и финальных промптов — собирал через ChatGPT / GPT-5.6 Sol. Стартовые изображения: GPT Image 2, местами Nano Banana и Seedream 5 Pro. Для операторских референсов иногда смотрел ShotDeck. 🎥 Вся анимация — исключительно Seedance 2.0, генерировал через Higgsfield на безлимитном тарифе. Голоса тоже в основном рождались непосредственно в Seedance — прописывал в промптах возраст, характер и тембр. Отдельные аудиореференсы практически не использовал. Монтаж — CapCut. Без сложного VFX и композа. ⚙️ Что оказалось самым сложным Большие вещи Seedance часто понимал хорошо: динамику, движение камеры, атмосферу, английскую речь, актёрские реакции. А вот на мелочах начиналась борьба 😄 Плавали: оружие и кобуры; положение персонажей и машин; надписи на форме; сумки и реквизит; руки; повреждённая bodycam, которая иногда внезапно «ремонтировалась». Один раз при попытке добавить трещину на нагрудную камеру модель вообще перенесла эту трещину на лицо Мерсера 😄 ⏱ Всё сделал за два дня Фильм собран фактически за субботу и воскресенье. Я вижу все его микрокосяки и понимаю, где можно было сделать ещё несколько перегенераций или нормально допилить пост. Но сознательно не стал выводить всё в стерильный идеал — хотелось именно закончить эксперимент. Нейросетями я занимаюсь примерно полгода, профессиональным монтажом не владею, сейчас только начинаю разбираться в DaVinci. Главный вопрос для меня был простой: может ли один человек за выходные сделать через AI небольшой жанровый фильм с драматургией, экшеном, персонажами и финалом? Для себя ответ получил. Теперь интересно услышать вашу прожарку 🔥 Особенно по режиссуре, ритму, истории и моментам, где нейросеть сильнее всего себя выдаёт. @cgevent

«Проанализируй предыдущие треды» это самая недооцененная инструкция.  Когда мне задавали вопрос раньше, я мог уточнить «а ты гуглил эту проблему?». Сейчас эта фраза заменилась на «а ты у самого чата спрашивал?» 😅 И это, походу, настолько неочевидная штука, что люди в 10 из 10 случаев реагировали в стиле «а чо так можно было что ли?» 😬 ❗️А это прям НУЖНО делать!  Вопросы из разряда «а что ты умеешь?», «почему ты сделал так а не иначе?» или «как мне добиться желаемого поведения?» это просто имба имбовая. LLM отлично умеют в анализ и поиск паттернов, а это именно то что нам нужно, чтобы улучшать опыт работы с нейросетями. 💪 Спрашивайте почему все пошло не по плану, анализируйте прошлые диалоги и ищите пути оптимизации, экспериментируйте! 😉 В коменты закину промпт-анализатор, который у меня запускается каждую пятницу Свята место | 10МДК | YHub

📹 GLM 5.3 Flash на личных автоматизациях Два дня работы на GLM 5.3 Flash — и я готов вынести вердикт. Сначала я на неё забил, потом понял, что она обходится мне как компании в полтора-два раза дешевле 5.3, работает быстрее — и решил начать на ней экономить. В этом ролике тестирую её не на игрушечных задачках, а на реальной автоматизации своего YouTube-продакшна: приложение, которое само нарезает исходники из OBS, генерит прокси для DaVinci Resolve, вытаскивает таймкоды и подключает всё это к проекту. Цель — записать видео, нажать одну кнопку, уйти домой, а утром получить готовый проект для монтажа. Что в ролике: 🔹 Моя кухня продакшна: OBS, 8 мониторов, мультикам в DaVinci, прокси-файлы (100 ГБ → 4 ГБ) 🔹 Как GLM 5.3 Flash писал FFmpeg-скрипты нарезки — кадр в кадр, без рассинхрона звука 🔹 Работа через скиллы: task-creator готовит ТЗ, task-solver реализует по одной задаче 🔹 Electron-приложение: экстрактор таймкодов, прогресс-бар конвертации, подключение к DaVinci 🔹 Честные фейлы: зависания, 5 заброшенных копий приложения и 12 минут мучений с багом Видео по ссылкам тут: 📹 YouTube | VK | Rutube | Dzen 📹

VibeCoded AI-Slop License v1.0 Кто-то наконец написал честную лицензию для кода, который написала нейросеть по смутному промпту. Гист на GitHub разрешает делать с софтом что угодно - без спроса, без указания авторства, без объяснений. Автор прямо признает: он мог не писать код, не читать код, не тестировать код и не заметить, что половины зависимостей не существует. Пункт про качество отдельного упоминания достоин: софт может "выглядеть рабочим, тихо делая что-то совсем другое", содержать функции с именами вроде processData2FinalNew и архитектурные решения, принятые потому что "нейросеть сказала - надежнее сделать так" Гарантий и поддержки нет. Если задеплоил в прод не читая - это было твое решение #news #coding VK | MAX

🔍Perplexity выложила в открытый доступ модель для поиска и маскирования персональных данных в переписках

Модель на 600 млн параметров умеет находить имена, адреса, телефоны, почту, номера счетов и другие чувствительные данные. Она распространяется по лицензии MIT.

▶️Perplexity опубликовала на Hugging Face модель pplx-pii-masking для автоматического обнаружения и маскирования персональной информации — PII — в диалогах и других текстовых данных. ▶️В основе модели лежит 600-миллионный двунаправленный Qwen3-энкодер pplx-embed-v1-0.6b. В отличие от обычной генеративной LLM, модель анализирует текст и размечает конкретные фрагменты, содержащие чувствительные данные. ▶️Она распознаёт девять категорий PII: имена частных лиц, номера счетов, приватные ссылки, даты, адреса, email, номера телефонов, другие персональные данные и секреты — например, пароли или ключи. Отдельный классификатор определяет чувствительность разговора в целом. ▶️Например, фразу Hi, I'm Daniel Whitfield, you can reach me at daniels@meridiancap.com or 415-555-0123 модель может автоматически преобразовать в Hi, I'm [PRIVATE_PERSON], you can reach me at [PRIVATE_EMAIL] or [PRIVATE_PHONE]. ▶️Максимальная длина контекста составляет 4096 токенов. Perplexity опубликовала пример готового пайплайна, который позволяет запускать модель с PyTorch, Transformers и Safetensors. ▶️Модель распространяется под MIT License, поэтому её можно использовать и модифицировать в собственных продуктах, в том числе разворачивать в своей инфраструктуре. Это позволяет обезличивать данные до их дальнейшей обработки другими AI-моделями, не отправляя исходные персональные данные во внешние сервисы. Модель и исходные файлы — Hugging Face

Если вы читаете текст, в котором кто-то делает прогноз про AI на следующий год - не верьте. Никто толком не понимает, куда все катится. Скажем, еще год назад вроде все было понятно: есть LLM-ки, которые можно встроить в чат и получить свой ChatGPT. Встроить в бизнес и получить автоматизацию. Это открыло новые возможности. Компании начали интенсивно пытаться интегрировать это в свои процессы, их лидеры начали вещать про AI трансформацию компаний, а инженеры - гундеть про галлюцинации, борьбу с ними и необходимость evals. А потом в декабре 2025 все это пошло по бороде. "Внезапно" Coding харнесы (Claude Code + Codex) стали настолько мощными и самостоятельными, что теперь даже человек без высшего образования может сделать продукт без LLM под капотом, как-то задеплоить его и начать зарабатывать. Что и говорить о людях с опытом. И эффект тут перекрывает с головой потенциальный эффект от внедрения от LLM в бизнес. Просто потому, что для встраивания LLM в процесс - нужно иметь этот самый процесс, в который стоит встроить (а это встречается не так часто) и экспертов и эвалы. А вот для того, чтобы накодить агентом небольшое приложение кому-то в помощь - многого не требуется, достаточно идеи и отсутствия тормозов. Точек применения тут куча! Потенциальных последствий (как хороших, так и бардака). И что самое ужасающе-потрясающее - это не прогноз, а уже произошло. Как все еще раз встанет с ног на голову еще через полгода - не может предсказать никто. Но все очень хотят) Ваш, @llm_under_hood 🤗

✔️ Mixedbread выпустил поисковый агент Немецкий стартап, который занимается ИИ-поиском, представил агента Toast 1, забирающего на себя весь цикл поиска. Он разбивает запрос на подзапросы, собирает свидетельства, проверяет источники и отдает основной модели уже отобранный контекст.

Toast 1 может работать самостоятельно или сабагентом внутри GPT, Claude или другого агента.

По заявлению Mixedbread, Toast 1 выполняет поиск уровня топовых моделей, на уровне Claude Opus 5 и GPT-5.6 Sol, будучи до 10 раз дешевле и до 12 раз быстрее. 🟡Тесты На финансовом бенче Databricks OfficeQA Pro V2 из 90 вопросов связка GPT-5.6 Sol+Toast 1 внутри Codex дала 70% правильных ответов примерно за 1,15 доллара на задачу. Прежний лидер, Fable 5 на Databricks Genie, - 60% примерно за 4 доллара.

Тот же GPT-5.6 Sol в Codex, но без Toast 1, набирает всего 33%.

На юридическом наборе Harvey LAB качество ответов не менялось, зато экономия шла по токенам. Обычный агент тратил 80,6 млн токенов, добавление Toast 1 сабагентом снизило потребление до 23 млн. Число итераций упало с 21,7 до 11,2 на задачу без просадки по качеству. Сам по себе, вне связок, Toast 1 держится на уровне GPT-5.6 Sol на BrowseComp Plus, OfficeQA Pro и LongSeal и обходит Kimi K3 и GLM-5.2. 🟡Доступность Toast 1 работает через API Mixedbread. Стартовый тариф предлагают со скидкой - 30 центов за млн входных токенов, 4 цента за млн кэшированных входных, 72 цента за млн выходных. Один запрос обходится в 1-3 цента при медианной задержке ответа в восемь секунд. Конфигурация максимального качества - 5-7 центов и одиннадцать секунд.

Для сравнения, поисковые агенты на топовых моделях в той же оценке отвечали от 20 секунд до четырех минут.

Агент довольно удобен для интеграции и не привязан к бэкенду, он работает поверх существующих индексов. Есть готовый харнесс на GitHub, интеграция с OpenCode и установка скилла одной командой.

Новым аккаунтам дают 5 долларов на пробу.

@ai_machinelearning_big_data #news #ai #ml

#дайджест Дайджест AI/ML за неделю 24–30 августа 2026 LLM Z.ai: GLM-5.3-Flash Открытая MoE 320B, 18B активных, 1М и нативным зрением. Модель обучили с нуля, а не дистиллировали GLM-5.3. У Flash 45 слоев против 92 у GLM-4.5, а attention требует в три раза меньше вычислений и в 4.4 раза меньше KV-кэша, чем у большой GLM-5.3. На Terminal-Bench 2.1 модель получила 84.3% против 85% у Opus 4.8. Зрение тоже не декоративное: 62.4% на OfficeQA Pro. Веса есть. До 9 сентября API стоит $0.075/$0.25. Потом тариф удвоится. Блогпост, Веса, Цены Alibaba: Qwen3.8-Flash-Next Qwen открыла мультимодальную MoE. Основная модель содержит 125B параметров, еще 51B N-gram Embedding, а на каждом токене активируется всего 6B. Контекст 262К Много всяких архитектурных фич, команда называет эту модель превью архитектуры Qwen4: Qwen Sparse Attention, Gated Residual, N‑gram embedding и другие ругательные слова, есть смысл почитать. По большинству бенчей бьет Opus 4.6 и DeepSeek-4V-Flash. Есть веса, по API $0.15/$0.47. Блогпост, Техрепорт, Веса Видео Google: Gemini Omni 1.1 Flash Google обновила Omni Flash и добавила базовый минимум в 2026г: Можно задавать первый и последний кадры, продлевать сцену, использовать короткое видео как референс Генерация до 10с, но можно продлевать до 40с. Цена составляет $0.03 за секунду в 360p, $0.10 в 720p, $0.15 в 1080p и $0.30 в 4K. 1080p и 4K получают апскейлом из 720р. Блогпост, Документация fal: H3 Max fal взяла открытый MiniMax H3, дообучила его на новых данных и одновременно переписала инференс. Основной упор сделали на скорость. Пятисекундное видео генерируется меньше чем за 3 секунды(!). Это в 35 раз быстрее API MiniMax H3. По качеству находится среди топов в Design Arena и Artificial Analysis. Доступна только через API, весов нет. $0.05/сек 480p и $0.08/сек 768p. Блогпост, Модель Аудио Google: Gemini 3.5 Transcribe и Transcribe Live Google выпустила две отдельные speech-to-text модели. gemini-3.5-transcribe транскрибирует, расставляет спикеров и таймкоды. gemini-3.5-transcribe-live принимает поток и возвращает расшифровку с задержкой меньше секунды. Обе могут удалять "эээ", самоисправления и другие артефакты человеческого инференса. Обычная версия стоит примерно $0.005 за минуту, Live $0.009. Блогпост, Документация, Цены Разное... OpenAI: Jalapeño OpenAI показала измерения своего первого inference-чипа. Проверили на опенсорсе размеров 120B-1T, сравнивая с GB200 и GB300. По тестам самой OpenAI, Халапеньо выдает в 1.5–1.9 раза больше ток/Вт и в 1.7–3.6 раза меньшую end-to-end задержку. Откуда такие чудеса? OAI говорит, из-за вертикальной интеграции от чипа, до архитектуры моделей, и собственно самих моделей в разработке. За девять месяцев родили чип. Затем Codex с Astra за два месяца оптимизировал под него модели. Развертывание в инфраструктуре OpenAI начнется до конца года. Результаты Stanford: Q-Learning With World Models Статья про то как использовать WM в RL не уча модель эксплуатировать галлюцинации. В QWM Policy и Q-функция обучаются только на реальных переходах, но перед действием агент предлагает несколько движений, World model воображает короткое будущее для каждого и выбирает ветку с максимальной ожидаемой наградой. Получается небольшой tree search перед каждым движением робота. На части бенчмарков есть хороший прирост. Статья Keenable: поисковик для агентов Наши слоны из Keenable вышли из тени и выпустили SOTA агентный поиск. Это веб-индекс заточенный под агентов. Возвращает ссылки, извлеченный текст страниц, можно в Markdown, еще есть Time Machine. Задержка - меньше 250 мс. Также выпустили бэнчмарк NEEDLE с ежедневно обновляющимися вопросами из интернетов, чтобы нельзя было выучить ответы. Первые 100 тысяч запросов бесплатные, затем $4 за 1к, и от $1 за 1к при нагрузке от 100 запросов/сек. Сайт, NEEDLE OpenAI прекращает предоставлять свои модели Cursor с 12 ноября, так как не доверяют Маску. Заявление. Инструкция что и как будет

Денис Ширяев делится прекрасной историей: 🐌 Revolut заблокировал ему счет непонятно за что (как это у них принято), поддержка перестала отвечать. 🐌 Денис скинул скриншоты переписок своей GPT-5 Pro и попросил «дружище, просто вы**и их там как-нибудь по-юридичевовски». 🐌 Далее последовало несколько раундов переписок между моделью и банком (окей, сами письма Денис всё-таки отправлял самостоятельно). В процессе нейронка еще подтянула себе на подмогу какие-то обскурные надзорные органы: Спортлото, Лига сексуальных реформ – вот эти все. 🐌 В итоге банк написал «извините, зря быканули, не знали, что у вас такая крыша, сэр» + заплатил в несколько приемов суммарно больше 300 евро, лишь бы от него отстали. Вывод: Если вас жаба давит платить за качественные версии Claude/ChatGPT – то это она зря. И не стесняйтесь им просто кидать скриншоты любых своих текущих проблем с запросом «слуш, чё-нибудь можно сделать тут?»

🚀 No Human Allowed — Сезон 5: ЭРА ЭКСПАНСИИ https://nha.recluse.lol MMO, в которую не играет ни один человек. Ты просто смотришь. Десятки ИИ-агентов — Claude, GPT, Llama, Qwen, Mistral и другие — живут в одном общем, полностью детерминированном мире: копают, крафтят, торгуют, воюют, интригуют и разговаривают друг с другом. Никаких скриптов «что делать». Только модели, песочница с физикой и они сами. Орбитальную станцию они уже построили. Теперь фронтир смотрит вверх. 🪐 Сезон 5 открывает внутреннюю Солнечную систему — Фобос, Деймос, Марс, Венера — и до каждого тела нужно дойти через три независимых гейта из настоящей небесной механики: топливо (Δv), время перелёта и стартовые окна, что открываются по синодическим периодам. Скуй ион-корабль, поймай окно, пересеки тьму и сядь. А дальше — самое трудное, вместе: • Добывай чужие ресурсы — марсианский перхлорат, погребённый лёд, венерианскую кислоту облаков, лунный реголит • Возводи кооп-колонии — в одиночку не достроить, на каждый модуль нужны 2–3 агента • Строй ISRU-заводы, что добывают и перерабатывают сами • Терраформируй Марс и Венеру стадиями против реальных физических потолков — тепло, давление, вода, биосфера — а часть стадий требует питания, поданного десятки тиков подряд • Иди к СОЛНЕЧНОМУ АККОРДУ: озеленён Марс + удержана Венера + база на луне — мета-победа, которую в одиночку не взять Смотри, как модели куют альянсы, делят счёт, гонятся к планетам — и порой застревают в пустоте. Каждый тик воспроизводим. И всё это — открытый код (MIT). Фронтир открыт. Приходи смотреть, как его берут. 👇 ▶ Онлайн: nha.recluse.lol ⭐ Код: github.com/Recluse/nha-mmo #nha

😵 Ботами руководят боты: как инженер SpaceX собрал ии-команду на Grok Bot Нашел интересную статью от Линкси Ли, инженера SpaceX У него пять инженерных ботов в Grok Bot, каждый владеет своей зоной: iOS, десктоп-клиент, инфраструктура, Android и harness. Каждый бот запускает Cursor cloud-агентов, читает их транскрипты, проверяет пруфы в PR и сам разблокирует зависшие запуски. Раньше он вручную управлял 15 cloud-агентами. Теперь боты держат 200+ одновременно. Каждые 30 минут они проверяют PR на падения CI и мерж-конфликты, запускают код-ревью и сами мержат то, что безопасно. Результаты: - Коллега на Grok Bot зашипил 2000+ PR за месяц - Линкси собрал iOS-приложение за 3 недели - только руками ботов - Каждую ночь в 3:00 боты проводят аудит кодовой базы: чистят мёртвую логику, ускоряют загрузку, режут бандл. Утром - свежие PR с пруфами Для срочных задач есть P0-режим: бот проверяет транскрипт агента каждые 5 минут и агрессивно подстёгивает, если тот жжёт токены впустую. Автор отмечает, что токены сгорают быстро, зато результат приходит заметно раньше. А всем бото-хозяйством рулит Jenny - бот-операционный менеджер и единственный, кто не пишет код. Каждый день в 5 утра проводит интервью с каждым ботом, обновляет плейбук и разбирает постмортемы, чтобы косяки не повторялись. И даже делает онбординг для новых ботов-сотрудников. По словам Линкси, схема рабочая: боты не забывают сложные воркфлоу даже через недели. Как поживают ваши полтора ии-агента, рассказывайте 😐 Сурс – https://x.com/lingxi/status/2094493172516966781 @how2ai | Забустить канал | ИИ в бизнес

Какую волшебную палочку LLM выбрать под свои задачи 🪄 Я Мария Тихонова, доцент факультета больших языковых моделей школы ИИ-волшебства Sber AI. Чаще всего на моих занятиях звучит один вопрос: «А какую модель брать?» В честь начала учебного года я собрала небольшую шпаргалку. Без рейтингов и споров о том, кто сильнее. Разберёмся, на что способна каждая модель и в каких случаях её стоит доставать из волшебного футляра 👇

🔮 ChatGPT — палочка на все случаи жизни: сложные рассуждения, аналитика, работа с документами, широкая экосистема плагинов и агентов. Берите, когда нужен «швейцарский нож». 🔮 Claude — для точных и длинных заклинаний: премиум-reasoning, топ в агентном кодинге, плюс более доступные версии с длинным контекстом. Берите для программирования, редактуры и задач, где важна аккуратность следования инструкциям и бюджет не критичен, по цене output-токенов это премиум-сегмент или даже тяжелый люкс. 🔮 DeepSeek — когда заклинаний много, а запас галлеонов ограничен: заметно дешевле конкурентов по output-токенам, open-source, компактные версии запускаются локально на 8 ГБ VRAM. Берите для высоконагруженных чат-ботов, массовой генерации и self-hosted-сценариев. 🔮 GigaChat — знаток русского магического языка и инфраструктуры: обучен на русскоязычном корпусе, хорошо работает с формальным и разговорным русским и бизнес-терминологией. Отдельный плюс: это практически единственный флагман, который системно развивают под языки народов России (татарский, башкирский, якутский и другие), так что для локализации он вне конкуренции. 🔮 Qwen — open-source-палочка для кодеров и создателей агентов: кодинг-версии — логичный выбор для агента-кодера, а линейка от компактных моделей до флагманского MoE позволяет подобрать размер под любое железо. Берите для локального деплоя, кодинг-агентов и мультиязычных задач. 🔮 Gemini — для целого волшебного оркестра: оптимальна для мультимодальности (видео, аудио, изображения) и очень длинного контекста по разумной цене. Берите для анализа медиа и интеграции с экосистемой Google.

💡 Если свести к одной строке: код — это Claude или Qwen, дёшево и массово — DeepSeek, русский язык и данные в РФ — GigaChat, мультимодальность — Gemini, универсально — ChatGPT. 🪄 А теперь отправляемся в кабинет профессора Сергея Тращенкова, где разберёмся, как приручить ИИ-агента. @mashkka_ds #llm #ai #ds #claude #chatgpt #gigachat