Два пакета нод для Iris-3B Envy-ai/ComfyUI-Iris • Text-to-image, image-to-image • Свои лоадер и семплер вместо VAE • LoRA как обычно, штатные сэмплеры ComfyUI • FP8/INT8-квантизация • Нужны ComfyUI 0.37+ и Comfy Kitchen 0.2.35+, N-серия Bani4kashkashka/Iris-3B-Comfy-Nodes • Text-to-image, img2img, 4x апскейл, depth • 4x апскейл: 1024→4096 за ~47 с, depth ~4 с/картинка (серая под ControlNet или inferno + маска) • Пресеты качества и сэмплер, готовые воркфлоу в Templates • Работает на AMD: RX 9060 XT 16 ГБ ~1.8 с/шаг, пик VRAM 7.7 ГБ чуда не ждать, на этом размере Anima 2.9B выдает картинки лучше — но это удачная демка, что VAE не обязательный атрибут генерации. Лучший сэмплер — dpmpp-2m-sde-gpu, при наличии bong_tangent-планировщика лучше его #t2i #i2i #comfyui MAX

DuoMatching Метод дистилляции от ByteDance для быстрой генерации видео. Объединяет joint и marginal distribution matching, чтобы учиться сразу у видео- и у картинковых моделей, и даёт качество нескольких шагов почти в реальном времени. • Генерация видео за несколько шагов вместо десятков, без доп. затрат на инференс • Учится у видео-учителя и у картинковых моделей (перенос визуальных и семантических приоров) • Дополняет joint-DMD явным маргинальным матчингом • Ниже дрейф при автогрегрессивных роллаутах Важные параметры • Комбинация joint + marginal DMD • Побеждает более 80% предпочтений людей в тестах • Ноль лишних расходов на инференс Совместный матчинг распределения кадров снимает большой дрейф, но ограничен в качестве и семантике. DuoMatching дополняет его помаргинальным матчингом для кадровых супервизий — на выходе качество и семантика без замедления github.com/JohnZhan2023/DuoMatching #optimization

Кто кому платит за inference Чувак взял публичную статистику OpenRouter по токенам, прогнал через Опус и пересчитал в доллары. Получилось $1.5 млрд в годовом выражении (неделю умножил на 52). И это только OpenRouter, который по его же оценке примерно 1% от всего мирового inference по деньгам. То есть весь рынок inference где-то $150 млрд в год, ну грубо конечно но порядок понятен. Распределение за эту неделю: - Антропик забрал 36% всех долларов - OpenAI 18% - опенсорсные модели 26% Антропик в два раза больше OpenAI по тратам на роутере, при том что у OpenAI 300M юзеров и бренд который знает каждый таксист. А опенсорс вообще четверть рынка откусил, и это ребята которые модели бесплатно раздают, просто inference на GPU стоит денег. Для тех кто строит продукты вывод простой: 1/ если ваши клиенты сидят на API, они скорее всего уже платят Антропику, а не OpenAI 2/ опенсорс это 26% реальных долларов, и компании которые хотят inference в своем контуре - это четверть рынка 3/ $150 млрд на inference в год это больше чем весь SaaS-рынок десять лет назад Кто продает лопаты в эту золотую лихорадку, тот и зарабатывает. Короче Антропик щас по деньгам лидер среди тех кто продает мозги через API. Неплохо для компании без 300 миллионов юзеров.

И моё мнение про то, что написал Terence Tao (или вернее как я понял, что он написал). В комментариях его многие назвали луддитом, но мне не кажется, что это так. Он не призывает остановить прогресс и отказаться от AI, он говорит (и это самая важная часть его сообщения): > Я скорблю ... о том, как можно было бы использовать эти инструменты для развития сотрудничества и обмена знаниями, а не конкуренции и секретности. О том, как можно было бы открывать новые двери, не закрывая старые. То есть он не против инструмента (AI) и его внедрения, он лишь против текущего выбранного подхода, когда открытые задачи в первую очередь решаются закрытыми моделями компаний с огромным ресурсом, и сообществу останутся крохи, которые «не дожали» внутри фронтир-лаб. Если бы этого не происходило, а вместо этого компании давали бесплатную подписку всем учёным в каждом университете — многие из открытый совершались бы людьми в коллаборации с AI. Я вижу в этом две большие проблемы: — (минорно) не ясно зачем задерживать доказательства до тех пор, пока их получат вне стенок OpenAI/Anthropic. Чтобы... люди чувствовали себя частью прогресса? Чтобы молодые учёные могли сделать себе имя? Чтобы эти же молодые учёные учились через поиск решений новыми инструментами и вырастали в математиков? А нужны ли будут математики умеющие доказывать что-то, или может им стоит всем готовиться задавать вопросы и разрабатывать теории? (как раз по эссе выше) — (мажорно) даже если этим не будут заниматься OpenAI и Anthropic, с которыми я верю, что можно будет договориться, доказательства будут находиться и публиковаться другими компаниями. Уже есть куча стартапов вроде AxiomMath, которые поднимали десятки-сотни миллионов долларов на AI for math. Они точно имеют больше ресурсов, чем какая-то кафедра вне топ-университета. Договориться и с ними тоже? Тогда найдутся те, кто имеет миллионы долларов и хочет сделать себе имя. В общем есть много ступенек между «бедный студент на кафедре» и «OpenAI», и я с трудом вижу, как можно сделать так, чтобы всё доходило до первого и не спотыкалось в середине, и чтобы не было дискриминации по бюджету, который можно вбухать в вызовы роя агентов передовых моделей (если к этому сведётся нахождение многих решений). Поэтому мне интересно будет следить за позицией Tao и других учёных с именем, какие они предложения будут вносить, и каково их видение ближайшего будущего.

Возвращаясь к математике, я прочитал разные мнение, и одним из самых откликнувшихся оказался блог «To grieve, or not to grieve?» от Kevin Buzzard, основателем проекта Xena, цель которого — оцифровать всю современную математику, переводя теоремы и доказательства с человеческого языка на Lean. Хоть он и не является основателем Lean, он активный контрибьютор, и именно в рамках Xena делается библиотека примитивов mathlib для Lean, на которую можно опираться при составлении своих доказательств. Kevin описывает 5 классических стадий принятия, и подмечает, что сейчас разные математики находятся на разных уровнях: — кто-то, например та самая «организация людей-математиков», находится в отрицании — кто-то пытается торговаться, например, группа математиков, которые «дают рекомендации» OpenAI (но те не обязаны их соблюдать). Они тоже не рады слоп-дропу 700+ статей, и ратовали за другой подход, хотя в целом понимают, что с AI математика теперь уже навсегда. — многие пост-доки и PhD в депрессии Профессор Buzzard задаётся филосовским вопросом: а зачем мы вообще занимаемся математикой? «Думаю, несколько лет назад многие математики с радостью согласились бы с тем, что математическое сообщество вручает самые престижные премии и награды тем, кто доказывает самые сложные теоремы. Однако теперь, когда сложные теоремы доказывает ИИ, мы, похоже, тратим много времени на объяснение того, что на самом деле эти награды и премии вручаются тем, чьи идеи позволяют нам глубже понять нашу область науки». Часто цитируют эссе 1994 года «О доказательстве и прогрессе в математике», где выражается мнение, что «дело не в количестве теорем, а в человеческом понимании» — эта цитата даже висит на картинке в шапке блога Terence Tao. Но дальше Kevin приводит личный пример, когда во время работы над докторской руководитель советовал ему не разбираться в одной из ключевых работ, потому что тот не успел бы и копнуть глубоко, и написать докторскую. Kevin признается, что он до сих пор так и не вернулся к той теореме — так «понимает» ли он свою работу? А кто понимает доказательство Великой Теоремы Ферма? Сам Kevin понимает лишь узкую часть того доказательства, потому что полное решение безумно сложно и требует невероятной ширины знаний — хотя он по теме Великой Теоремы Ферма читал блок лекций. Тут я от себя добавлю, что многие результаты ИИ как раз и приходятся на стыки нескольких направлений, и что часто один человек просто не может преуспеть и там, и там, чтобы прийти к открытию. Поэтому и полноценная человеческая проверка самых значимых работ, опубликованных OpenAI, может занять ОЧЕНЬ много времени.

$0 за ролик: Анимационная студия на GPU. Продолжаю свои эксперименты с Клодом в роли режиссера, монтажера и всей остальной анимационной команды. На прошлой неделе я делился тем, как мы настроили студию для социальных сетей с использованием Kling 3 Pro. Качество супер, но ценник кусается и соответсвенно количество экспериментов ограничено. На этой неделе я получил грант от Modal.com и на их GPU запустил Cosmos3. Модель работает неплохо, но иногда выдает слоп (чинится другим сидом). Конечно же у меня нет энергии отсматривать все самостоятельно, по этому поднял отдельный контейнер с Qwen3-VL, который отсматривает съемку и отбраковывает все что выглядит не оч. Итого - 30к просмотров и 0 cash burn. Подробнее о том как все работает читайте в моем новом блог-посте.

Amanu Бесплатная программа для автоматической записи и расшифровки звонков. Работает с любыми: Zoom, Google Meet, Telegram, WhatsApp. Запускает и останавливает запись сама, раскладывает реплики по людям и пишет выжимки встреч. Что умеет • Автозапись звонков (старт/стоп сами) • Расшифровка с диаризацией — реплики по говорящим, а не единый поток • Качественные выжимки встреч • Все локально, без интернета, либо через твои подписки и API-ключи • Каждая встреча — отдельная папка: аудио, расшифровка, саммари • Windows 11 24H2+ и macOS 14.2+ Заявлено, что для выжимок использует мощные модели на полную, а не экономит токены github.com/gsamat/amanu #asr #desktop MAX

Trace2Env Обычно агента запускают в готовой среде. Trace2Env переворачивает идею: среду играет сам агент. Из истории прошлых действий восстанавливается «книга мира», и по ней один агент симулирует окружение для другого. Проще на примере — терминал. Ты («агент-задача») набираешь команды, а второй агент отвечает, как настоящий терминал. Удалил файл командой rm — и через десять команд попытка его прочитать упадет с ошибкой, потому что агент-мир помнит состояние. Что умеет • Строит симулятор среды из десятков записанных логов, без исходников • Поддерживает состояние между командами • Симулирует терминал, веб, Android, магазин и другие окружения • Без обучения — только логи на входе Знания о среде отделены от текущего состояния эпизода — среда не забывает что произошло Гитхаб Демо #agent

#QI21 huggingface.co/Qwen/Qwen-Image-2.1-Turbo - официальная Turbo-версия Qwen Image 2.1 от Qwen. И диффузионные модели Comfy-Org: huggingface.co/Comfy-Org/Qwen-Image-2.1/tree/main/diffusion_models github.com/hypersniper05/MCP-Image-Generator-Uncensored - #MCP для Qwen 2.1: любой LLM-клиент с MCP управляет генерацией. 2K, панорамы, эдит до 10 картинок, бесшовные тайлы (нормали/высоты), апскейл до 8K, 360-вьювер, удаление вотермарков и фона, прозрачные PNG, текст в картинке. В Docker, пик 11GB VRAM #uncensored huggingface.co/akhaliq/Qwen-Image-2.1-Multiple-Angles-LoRA - Multiple Angles: несколько ракурсов одного объекта для Qwen 2.1 #cameracontrol MAX

Большой недельный пост 🎉 В этот раз подборка даже с бонусом о таинственном взрыве в 1991-м. Но про наши родные темы тоже есть интересное в нашем большом недельном посте. А вот, кстати, и он! 1️⃣ Исследование Kama Flow про перспективные ниши в AI и то, сколько дополнительного венчурного капитала нужно (спойлер — много) — ссылка 2️⃣ Про управляющего эндаумент-фонда, который изменил подход к диверсификации активов — ссылка 3️⃣ Алмас Абулхаиров рассказывает, как навайбкодил сервис, который уже стал зарабатывать. Про то, как родилась идея, как общался с клиентами и так далее — ссылка 4️⃣ Интервью с партнером Andreessen Horowitz про то, как они подыскивают фаундеров, в кого вложиться — ссылка 5️⃣ Как интернет-гиганты ищут другие пути для интернет-трафика, потому что конфликт в Красном море угрожает подводным кабелям между Европой и Азией — ссылка 6️⃣ Про hacker house, но не для молодых и голодных, а для предпринимателей, уже продавших один бизнес и переживающих кризис среднего возраста. Когда деньги уже не проблема, а делать что-то хочется — ссылка P.S. После новостей про «Яндекс» полез посмотреть на карте, где находится это Сасово. И рядом с городом отмечена достопримечательность «Воронка». Оказалось, что в апреле 1991-го что-то мощно взорвалось в полях, в квартирах шаталась мебель, повыбивало стекла. В поле осталась большая воронка диаметром 30 метров. Год спустя опять был взрыв, но слабее. Причины так и не выяснили. Вот здесь можно почитать подробнее. @TheEdinorogBlog — тот самый канал про стартапы🦄

✅KEISOSUBBOTA оффтоп: радует, что большинство участников этого канала ИИ не убьет за сквернословие! Кейсосуббота — это рубрика, где мы делимся своими работами и взаимодействиями с ИИ. Это может быть что угодно: -картинки -анимации -текст -код -боты -песни -видео и т.д. ❤️ Не забывайте оставлять обратную связь на работы других людей. Это очень ценно Давайте попробуем меньше разводить флуд в комментариях. Для разных вопросов у нас есть чат — там такое. А здесь давайте по делу. Читайте ниже пояснение 👇А также читать пояснения и правила по ссылке ниже. ❗️ВАЖНО! Прочитайте по ссылке ниже пояснения: Ссылка на пояснение для тех, кто не участвовал ни разу в этой рубрике. Или для тех кто не помнит, какие есть правила. + ПУБЛИКАЦИИ ОТ ИМЕНИ КАНАЛОВ И ЕСЛИ У ВАС НЕТ НИКА В ТЕЛЕГРАМ— НЕ ПРОХОДЯТ СЕЙЧАС МОДЕРАЦИЮ ТАКЖЕ - ЕСЛИ НЕ ПОЛУЧАЕТСЯ ОСТАВИТЬ КОММЕНТАРИЙ (БОТ БЛОЧИТ ВАС) -- читайте здесь 〰️Пояснения нужны для того, чтобы потом не удивлялись почему удалён тот или иной материал. Ставим реакцию🔥 этому посту и далее скидываем кейс (с использованием нейронок/ИИ/AI/whatever) в комменты ниже👇 У кого есть то, чем хочется похвастаться?🥳🥳🥳 три... два... раз.. 🚀Поехали #keisosubbota@serge_ai

📌 Humanity's Sixth Sense: мультимодальные модели все еще отстают в когнитивном восприятии Исследовательское подразделение Scale Labs в партнерстве с Elorian представило бенчмарк Humanity's Sixth Sense, созданный для проверки способности ИИ интерпретировать скрытые социальные сигналы и пространственные взаимосвязи на изображениях и видео. Набор тестов состоит из 522 вопросов по 288 статичным сценам и 234 видеофрагментам (оценка габаритов разъезда автомобилей, мотивы поведения людей, негласная иерархия в кадре и т.д) Испытания 25 актуальных мультимодальных моделей зафиксировали заметное отставание от человека.

Контрольная группа людей набрала 93,1% точности, лидирующая GPT-6 Astra - 53,6%. Результаты GPT-6.1 Sol и Claude Opus составили 46,6% и 44,6%, медиана по выборке - 30,9%.

Детальный разбор более 8,5 тысяч неудачных ответов показал, что 94% из них вызваны сбоями первичного машинного зрения - модели пропускают маркеры в кадре и теряют контекст. На ошибки в логике рассуждений пришлось всего 5%. Увеличение вычислительного бюджета (в среднем 4000 токенов на ответ) не решило проблему, а иногда еще и снижало точность. Эмуляция фокусировки через кроп также дала минимальный эффект.

Scale Labs по итогу тестов пришли к выводу, что масштабирование логического вывода не компенсирует ограничения базовой архитектуры компьютерного зрения.

@ai_machinelearning_big_data #news #ai #ml

🤯 Нашёл, куда утекают лимиты Claude Code, и это касается всех, кто гоняет субагентов. По наводке из треда проверил свои логи и офигел. Основной чат Claude Code держит кэш контекста час, а субагенты-помощники — всего 5 минут!😱 Стоит помощнику постоять дольше пяти минут (ждёт мой ответ, долгие тесты или сборку), и следующий шаг заново записывает в кэш весь его контекст, сотни тысяч токенов, а такая запись примерно в 12 раз дороже обычного чтения из кэша!!!! У меня субагент на Opus, который пилит камеру в моей AI-DnD, за два дня записал в кэш 116,6 млн токенов и 159 раз перезаписал контекст целиком, по 200–900 тысяч токенов за раз. Похоже, именно это и съело недельный лимит Max 🫣 Решение официальное, есть в документации Claude Code: в settings.json добавить "subagentPromptCacheTtl": "1h", а если гоняете агентов через API-ключ, то CLAUDE_CODE_PROMPT_CACHE_TTL=1h. Запись в часовой кэш дороже, но полных перезаписей после каждой паузы больше нет. Проверил: кэш действительно пошёл с ephemeral_5m на ephemeral_1h. Чудес не ждите: у моего лейна это срежет примерно 20–25% расхода, потому что основное съедает раздутый до 900 тысяч токенов контекст, который читается на каждом шаге. Поэтому вторая мера: не вести одного агента сутками, а давать каждый шаг свежему агенту с коротким отчётом предыдущего 🔄 📄 Документация: https://code.claude.com/docs/en/prompt-caching P.S. Заодно для Opus 5.5 раскатили Fast mode: тумблер в меню модели или /fast в терминале. Та же модель и то же качество, только около 285 токенов/с, в 2–2,5 раза быстрее. Стоит вдвое дороже ($8 / $40 за миллион токенов), а на подписке в лимиты не входит и списывается только с usage credits ⚡️

🪐 Какой-то гений нашёл новую планету с Claude Code — я повторил весь поиск с помощью Codex и воспроизвёл тот же результат, а затем — попросил найти новую планету по той же методологии (результаты в конце). Сначала GPT-6.1 Sol выполнила то же самое, что Павел Рабцевич с Claude — проанализировала забытые данные телескопа NASA и обнаружила звезду, которая тускнеет каждые 3,18 дня на 0,05% на два часа. Вероятная причина — планета в 1,4 раза больше Земли, проходящая перед звездой. У меня получилось независимо подтвердить, что эта находка — не выдумка, и в ноябре её проверит NASA. После этого я попросил повторить подход для поиска новых планет — GPT-6.1 Sol изучила 501 малоизвестную звезду и нашла зацепку с реалистичной вероятностью 0,01% или 5-9% при благоприятном сценарии (последнее фото). На всё ушло всего 10% еженедельного лимита в подписке ChatGPT Plus, использовал режим Extra High. Свою планету кажется пока не нашёл, но попробовать тот же поиск можете сами — забирайте промпт:

Ищи неизвестные экзопланеты в открытых данных TESS. Проверь минимум 500 звёзд, исключив объекты из NASA Exoplanet Archive, TOI и CTOI. Найди периодические затемнения методом BLS, проверь повторяемость по секторам и источник сигнала по пикселям. Исключи шум и затменные двойные. Оцени вероятность планетной природы лучших кандидатов с явными допущениями. Сохрани код, данные и результаты для воспроизведения. Не объявляй открытие без подтверждения. Отвечай кратко и понятно.

Если найдёте экзопланеты — пишите в комменты. @notboring_tech

Марио в Elden Ring видели? А Minecraft в GTA IV? Мододелы на кураже. AI Game Mashups - это люто, конечно Люди с помощью клод-кодов скрещивают разные игры. И это не AI-видео, а рабочие эээ игры(?). Ну как минимум демо. Работает это довольно интересно. Агент получает доступ к установленной игре, её бинарникам и инструментам вроде Ghidra и Frida. Изучает внутренности, ищет функции, пишет хуки, собирает моды и тестирует. Дальше два варианта. В Minecraft × GTA IV обе игры запущены одновременно: обмениваются координатами, камерой и событиями через WebSocket. GPU-композитор совмещает картинку с учётом глубины. Блоки Minecraft мешают машинам GTA, а TNT взрывается и там. В Mario × Elden Ring по-другому: код физики и анимаций из Super Mario 64 через libsm64 подключают к Elden Ring и хуками связывают с её физикой мира. Работает Elden Ring, но двигается Марио как в оригинале. Для такого уже есть скиллы - например, Universal Modder. Снимаю шляпу перед креативностью и мотивацией людей.