ИИ

JoyAI-Video-Edit: 16B-модель редактирует видео в реальном времени, выдавая 30 FPS в 720p на одной B200 Команда Joy Future Academy представила JoyAI-Video-Edit — открытую авторегрессионную диффузионную модель на 16B параметров для редактирования видео в реальном времени. Модель обрабатывает кадры по текстовому промпту по мере их поступления, без доступа к будущим кадрам и не зная длину ролика. Полный сквозной пайплайн выдаёт 30.19 FPS в разрешении 720×1280 на одной Nvidia B200. JoyAI-Video-Edit умеет менять фон, стиль (акварель, масло, мультфильм), добавлять, удалять и заменять объекты и людей в кадре, менять одежду и внешность, изменять движения персонажей и объектов. Отдельно поддерживается редактирование по референсной картинке, когда одежда или предмет с фотографии переносится на человека в видео. Всё это работает поверх исходного ролика, оставляя без изменений движения, композицию и те области видеопотока, которые менять не просили. Архитектура модели состоит из энкодера условий на базе MLLM, каузального видео-VAE и мультимодального диффузионного трансформера. Итеративный денойзинг сжат до двух шагов методом Source-Anchored DMD, который привязывает учителя к синхронному фрагменту исходного видео и не даёт картинке отходить от оригинала на длинных потоках. Результаты: на бенчмарке OpenVE-Bench модель набирает 3.60 балла против 2.62 у SANA-Streaming и 1.87 у XMax-X2.0, что сопоставимо по качеству с офлайн-редакторами Kling-3.0 Omni (3.64) и Bernini-R (3.72). На минутных видео из LongV2VBench — 3.30 против 1.71 у ближайшего конкурента. В попарной человеческой оценке JoyAI-Video-Edit выигрывает у потоковых редакторов в 81–90% случаев. Код инференса выложен на GitHub, веса - на Hugging Face под лицензией Apache 2.0. #Stateoftheart

✔️ Claude Code переходит на Auto Mode по умолчанию С 14 августа Anthropic по умолчанию активирует Auto Mode для подписчиков тарифов Pro, Max и Team. В этом режиме ассистент будет самостоятельно решать, можно ли выполнить операцию, опираясь на встроенный классификатор безопасности, а не запрашивать каждый раз подтверждение. Причина таких изменений - банальная усталость от уведомлений. По статистике компании, разработчики одобряют 97% запросов, выработав привычку не глядя нажимать "согласен". Оценка безопасности требует дополнительного расхода токенов, но для пользователей старших тарифов Anthropic сделает их бесплатными. Корпоративным клиентам, пользователям API и облачных платформ пока придется включать функцию вручную, но в будущем Auto Mode станет стандартом для всех. claude.com ✔️ Microsoft выпустит более 300 тысяч ускорителей Maia 300 к 2027 году Корпорация начнет выпуск нового поколения ИИ-ускорителей Maia 300 в сентябре. Сейчас ведутся переговоры с TSMC о резервировании производства - к 2027 году планируется изготовить более 300 тысяч чипов, итоговая цель - свыше 1 млн единиц. Тираж предыдущей версии Maia 200 составил несколько десятков тысяч, которые развернули в двух дата-центрах в США. На собственные ускорители переведут нагрузки моделей OpenAI и семейста MAI. Это позволит высвободить GPU от NVIDIA для коммерческих клиентов платформы Azure. Microsoft также пытается привлечь к использованию Maia 300 компанию Anthropic. По словам Microsoft, эксплуатация Maia 200 снижает операционные издержки на 30–40% по сравнению с решениями NVIDIA. В Maia 300 заявлена более глубокая аппаратная оптимизация под целевые модели. theinformation.com ✔️ Сергей Брин возвращается к ручному управлению Google Влияние сооснователя Google на стратегию развития ИИ внутри компании снова растет. Пока глава DeepMind Демис Хассабис отходит от операционного управления, а команду покидают ключевые исследователи, Брин снова вынужден участвовать в управлении. Сценарий трехлетней давности повторяется. Тогда, на волне триумфа ChatGPT, Брин вернулся к активной работе после многолетнего перерыва, чтобы спасти ИИ-проекты Google после неудачного старта Bard. Сейчас, несмотря на явный прогресс Gemini, корпорация вновь уступает OpenAI и Anthropic в критически важных сегментах. Чтобы не проиграть очередной этап технологической гонки, Google снова потребовалось прямое вмешательство сооснователя. ft.com ✔️ xAI выпустила Grok Imagine Image 2.0 Компания открыла доступ к модели Grok Imagine Image 2.0 в веб-версии и мобильном приложении. В модель встроен редактор с функциями inpainting, outpainting, удаления фона и поддержкой до пяти референсных изображений. Обновление улучшило следование сложным промптам, рендеринг текста и консистентность при серийной генерации. По данным бенчмарка Arena, новинка заняла второе место в мире по качеству text-to-image и возможностям редактирования. В интерфейс добавлены готовые пресеты для продуктовой съемки, постеров, аватаров и игровых ассетов. Доступ к API пока закрыт. x.ai ✔️ Intel патентует концепцию орбитальных дата-центров Концепция переносит координацию инфраструктуры с наземных станций в космос. На средней или геостационарной орбитах размещаются высокопроизводительные спутники-контроллеры, которые автономно управляют флотом простых аппаратов на низкой околоземной орбите, выполняя маршрутизацию, планирование задач и координацию сетевого трафика. Вынос логики на эти узлы позволяет технически упростить и удешевить производство низкоорбитальных спутников. В отличие от подходов SpaceX и Google, орбитальные серверы Intel предназначены исключительно для обслуживания самой группировки, а не предоставления вычислительных мощностей внешним клиентам. Заявка является расширением патента, одобренного в феврале. Информации о физической разработке космического оборудования Intel на данный момент нет. patentlyze.com @ai_machinelearning_big_data #news #ai #ml

Хороший разбор вреда от попыток сэкономить токены или как-то еще модифицировать ответы агентов, типа "Говори со мной как пещерный человек" или "говори со мной на упрощенном техническом английском". Переформулируя и сжимая ответ, агент неизбежно что-то выбрасывает из вывода и это может быть важная информация. У меня, кстати, наоборот, включен Explanatory стиль в Claude Code и я регулярно по таким фразам отлавливаю дрейф агента от цели. Излишнего расхода контекста от этого не возникает. Если хочется экономить, включите себе в статусной строке Claude Code отображение записи в кэш и чтения оттуда — как только поймаете момент, когда модель пишет в кэш 400к токенов после простоя, сразу поймете, от чего реально тратится контекст, а что является только гиковской гомеопатией. https://kuber.studio/blog/Reflections/Humanising-LLM-Outputs-is-Actually-Dumb