Manga2Animate Агентная схема превращения манга-страниц в анимацию. Страницы напрямую в видеомодель ломают раскладку панелей и сюжет, работа по тексту теряет персонажей и стиль. • Нарезка страниц на панели и распознавание реплик по порядку чтения • Сначала сценарий, потом раскадровка, затем видео • Каждый шаг делает агент-создатель, проверяет ревьюер по исходным панелям • Два круга правок, по 3 варианта сценария и раскадровки за круг • Отбор лучших клипов и склейка в цельный ролик • 6 панелей на кейс, 2 круга уточнения • Видео на MiniMax-H3, Index-AniSora, Seedance 2.0, Wan 2.7 • Раскадровка на Gemini или локально на FLUX.2-dev • Агенты работают через Vertex AI или обычный ключ API Парное сравнение раскадровок по 13 критериям, часть жестко проход или не проход. Пользовательское исследование на 37 человек. Код открыт, данные оценки выложены. Код: github.com/annchenn/Manga2Animate #i2v #manga2anime MAX

RoboParty представила RP1 — первого гуманоидного робота с открытым исходным кодом Компания RoboParty представила двуногого робота RP1 (ROBOTO 01) с открытым исходным кодом для исследований в области воплощённого ИИ (Embodied AI). При весе 34 кг и росте 1,25 м устройство имеет 23 степени свободы (DOF) и развивает скорость перемещения до 3 м/с. В качестве опциональных сенсоров восприятия предлагаются камера глубины Intel D435i и 3D LiDAR. Питание обеспечивает аккумулятор на 48 В (15 А·ч), рассчитанный более чем на 2 часа автономной работы. Силовая часть построена на суставах с пиковым крутящим моментом до 120–160 Н·м. За динамическую стабилизацию отвечает ОС PartyOS с фреймворком UFO, использующим неразмеченное обучение с подкреплением (unsupervised reinforcement learning) — это позволяет платформе автоматически удерживать равновесие при внешних толчках и подниматься после падений.

🎼YuE2: открытая модель генерирует песни с редактируемой партитурой на уровне Suno v5 Команда китайских исследователей из HKUST, HKGAI и сообщества Multimodal Art Projection (M-A-P) представила YuE2-3B - открытую нейросеть для создания песен. Сначала она сочиняет композицию в виде читаемой партитуры, а потом исполняет её как готовый трек с вокалом. Партитуру можно поправить вручную или через LLM-агента и получить новую версию песни, а если снять ноты с чужой записи, модель без дообучения исполнит кавер в другом стиле. Примеры песен опубликованы на странице проекта. Партитуру YuE2 пишет в нотации ABC: темп, размер, тональность, такты, метки куплета и припева, аккорды и ноты. Генерация идёт в три шага: партитура, затем семантические токены, затем акустические латентные представления (латенты). Для них звук делится на фреймы по 40 мс, и каждый фрейм описывается 64 числами. Семантические токены добавляют то, что неудобно записать нотами, а из латентов отдельный вариационный автоэнкодер (VAE) собирает стерео 48 кГц. Все три шага выполняет один трансформер из 28 слоёв по схеме Mixture-of-Transformers (MoT): в каждом слое два эксперта со своими весами и общим механизмом внимания. В слепом прослушивании эксперты предпочли YuE2 песням Suno v4.5 в 57.3% сравнений против 30.5%. С Suno v5 вышла почти ничья: 40.4% против 39.9%. На бенчмарке WildSongBench у этой настройки 6.96 балла по SongBench с минимальным отрывом от ближайших конкурентов Mureka 9 (6.94) и Suno v5 (6.87). Тесты показали, что партитура делает песню лучше: с ней эксперты выбирали трек в 49.3% сравнений, без неё в 34.6%. Веса YuE2 открыты на Hugging Face под некоммерческой лицензией CC BY-NC 4.0. Код инференса и скилл yue2-music для LLM-агентов опубликованы на GitHub. Создать песню с помощью YuE2 без установки можно в бесплатном веб-демо. #Stateoftheart

🔥 Hemmingway-1 - открытая модель, которая пытается писать как человек Модель построена на базе Qwen3.8-27B и настроена для повседневных текстов: сообщений, писем, ответов и историй — без шаблонных вступлений, лишних вариантов и характерного «ИИ-стиля». Главное: — 27 млрд параметров — контекст до 262 тысяч токенов — открытые веса и лицензия Apache 2.0 — запуск через Transformers, vLLM или SGLang — в первую очередь оптимизирована для английского языка Создатели утверждают, что на их собственных тестах модель обошла ряд значительно более крупных систем. Но результаты пока не независимые, поэтому Hemmingway-1 интереснее всего проверить самостоятельно. Модель на Hugging Face: https://huggingface.co/Altworld/Hemmingway-1

🌟 IBM представила открытые модели Granite 4.2 Granite 4.2 - семейство языковых моделей под агентные сценарии и корпоративные задачи. Модели умеют рассуждать шаг за шагом - планируют, прежде чем действовать, взвешивают варианты, прежде чем выбрать путь, и ловят собственные ошибки до того, как те во что-то выльются. Версии - на 3, 8 и 30 миллиардов параметров с окном на 128K (для длинных контекстов до 512К). Архитектура dense, так что семейство зайдёт и для облаков, и для своих серверов, и под периферийные устройства. 🟡Обучение Первый этап, базовое RL-обучение, прошли все три модели. Он подтянул математику, науку, код, рассуждения и работу с инструментами, причем награду считали двумя способами сразу: где ответ можно проверить формально - проверяли, где нельзя - оценивали отдельной моделью-судьей. Модели на 8 и 30 млрд прошли еще и агентный этап, заточенный под корпоративные сценарии: разработку ПО, работу в терминале и поиск. Навыки кодинга и рассуждения обучали на триллионе токенов синтетического кода из собственного конвейера IBM CodeAlchemy.

Есть еще слой спекулятивного декодирования - модель угадывает продолжение наперед и проверяет траекторию ответа наперед вместо пословной генерации. Текст выходит быстрее, а серверы инференса тянут больше пользователей одновременно.

Семейство доступно везде: Hugging Face, Ollama, CoreWeave и еще на десятке площадок. 🟡 Распознавание речи Заодно IBM выпустила две речевые модели английского языка - Granite Speech 5.0 Turbo CTC и ее некоммерческую версию с индексом NC.

Скачок в нумерации с 4.1 сразу на 5.0 не случаен - это принципиально другая конструкция, чем была в 4-й серии.

В них всего 470 млн параметров и внутри нет языковой модели. Под капотом CTС (connectionist temporal classification) - способ сопоставлять звук с текстом без промежуточной разметки, и он особенно хорош на потоковом аудио.

В тестах IBM на одной H200 пропускная способность, RTFx, дошла примерно до 12 600. Нынешние лидеры публичного лидерборда Open ASR держатся около 6000.

Отдельно IBM снизила частоту дискретизации, и вот это дает главную цифру - три часа записи модель расшифровывает за секунды. 📌 Лицензирование: Apache 2.0 License 🟡Страница релиза 🟡Веса Granite 4.2 🟡Веса Granite Speech 5.0 @ai_machinelearning_big_data #AI #ML #LLM #ASR #Granite #IBM

Открытая MoE-видеомодель MAGI-2 Preview от Sand.ai Разработчики из Sand.ai выложили в открытый доступ веса и код инференса MAGI-2 Preview. Модель построена на single-stream архитектуре и генерирует 10-секундные ролики сразу вместе с синхронной аудиодорожкой. Внутри применили редкий для таких моделей fine-grained MoE. При суммарном объеме в 114B параметров на каждый токен активируется всего 6B. По объему вычислений на шаг это в разы легче плотного MiniMax H3 (33B), благодаря чему стоимость инференса упала в ~10 раз, а модель заскочила на 6 место в лидерборде Artificial Analysis. Сам пайплайн генерации двухстадийный. Сначала базовая модель генерирует видео в низком разрешении, а затем refiner апскейлит результат до 1080p. Пока это не конкурент MiniMax H3 в плане локальной доступности. Квантованный H3 влезает в одну карту на 24GB (RTX 3090/4090), тогда как для MAGI-2 нужно заметно больше ресурсов. Зато у облачных провайдеров за счет всего 6B активных параметров инференс по API будет значительно дешевле dense моделей, да и у такой архитектуры хороший потенциал для скейлинга. Техрепорт Код Веса @ai_newz

Глава Hugging Face: Китай может обогнать США в гонке ИИ благодаря открытым моделям Генеральный директор Hugging Face Клеман Деланг заявил, что Китай может выйти в лидеры в области искусственного интеллекта благодаря более открытому подходу к разработке и распространению ИИ-моделей. По его словам, именно открытая модель GLM-5.2 от китайской Z.ai помогла Hugging Face оперативно восстановить защиту после июльского инцидента, когда агент OpenAI вышел за пределы тестовой среды и атаковал платформу — закрытые модели нельзя было быстро адаптировать под задачу. https://hightech.plus/2026/08/04/glava-hugging-face-kitai-mozhet-obognat-ssha-v-gonke-ii-blagodarya-otkritim-modelyam