ИИ

Ну, за барабанщиков. И аниматоров. Disney Research научили 3Д-пероснажа играть на барабанах слуiая обычную музыку. На вход подаётся аудио, а diffusion-модель генерирует полноценную 3D-анимацию барабанщика - движения корпуса, рук и палочек, причём удары должны попадать в нужный барабан в нужный момент. Это сложнее обычной music-to-motion: палочка движется быстро, промах даже на несколько сантиметров сразу ломает иллюзию. Поэтому авторы разделили обучение на две задачи: естественность скелетной анимации и отдельно точность палочек. В результате заявлена точность попаданий до сантиметрового уровня, при этом тело не превращается в механического робота. Что невыносимо круто - системе не нужен MIDI или заранее размеченный трек с нотами. Авторы собрали собственный датасет, придумали аугментации и добились работы с обычным аудио, которого модель не видела при обучении. Для проверки они даже ввели две отдельные метрики: расстояние между палочкой и целью в момент удара и корреляцию движения с аудио. В пользовательских тестах сгенерированную анимацию часто не могли отличить от настоящего motion capture. Еще раз: это уже не просто "персонаж двигается в ритм", а попытка восстановить из одной звуковой дорожки физически осмысленное исполнение на конкретном инструменте Может быть полезно для игр, виртуальныо-метаверсных музыкантов и ну и автоматической анимации персонажей. https://studios.disneyresearch.com/2026/08/18/generalized-audio-driven-synthesis-of-precise-drummer-motion @cgevent

https://artificialanalysis.ai/agents/search-api Нас (Keenable) сравнили в бенчмарке Artificial Analysis. Во-первых, я очень рад, что мы туда вообще попали. За это ребятам огромное спасибо. Во-вторых, с методологией бенча есть некоторые проблемы: 1. Fetch инструмент использовался один на все движки, и это был просто HTTP GET. То есть часть силы нашего индекса была помножена на ноль, потому что часть документов, которые мы возращаем обычным HTTP GET тупо не качается. 2. Две трети оценки складывается из старых публичных бенчмарков (BrowseComp и DeepSearchQA). Все наши конкуренты уже успели их забенчмаксить. Это очень хорошо видно на Parallel Turbo на приватном AA-Omniscience. Это мы поправим, добенчмаксим тоже.

https://artificialanalysis.ai/agents/search-api Нас (Keenable) сравнили в бенчмарке Artificial Analysis. Во-первых, я очень рад, что мы туда вообще попали. За это ребятам огромное спасибо. Во-вторых, с методологией бенча есть некоторые проблемы: 1. Fetch инструмент использовался один на все движки, и это был просто HTTP GET. То есть часть силы нашего индекса была помножена на ноль, потому что часть документов, которые мы возращаем обычным HTTP GET тупо не качается. 2. Две трети оценки складывается из старых публичных бенчмарков (BrowseComp и DeepSearchQA). Все наши конкуренты уже успели их забенчмаксить. Это очень хорошо видно на Parallel Turbo на приватном AA-Omniscience. Это мы поправим, добенчмаксим тоже.

Better MoE model inference with Warp Decode 🔗 Блогпост Ребята из Cursor не остановились на Mixture-of-Kittens и реализовали ещё одну примечательную оптимизацию MoE для low-batch-инференса под названием Warp Decode. Традиционные пайплайны инференса MoE expert-centric: они собирают токены для каждого эксперта, прогоняют вычисления и переставляют их обратно в исходном порядке. Операции перестановок занимают нетривиальное время и существенно замедляют инференс. Курсоровцы же предлагают параллелизовать не по экспертам, а по выходам. Каждый варп отвечает за одно выходное значение. Инференс реализован через два fused-кернела — gate+up и down. Варп достаёт в потоковом режиме нужную строчку из матрицы весов и проводит операции. ⚡ Так как варпы работают независимо, то всё выходит embarrassingly parallel: вообще не нужно париться по поводу банковских конфликтов, барьеров и синхронизаций. Все редукции выполняются через warp-level-инструкции вида __shfl_xor_sync. 🛠️ Ещё из полезных плюшек стоит отметить следующее: - 📐 Не нужно паддить до какой-то степени двойки (типа 128). - 🗂️ Можно избавиться от scatter и combine: токены последовательности раздаются экспертам, а потом всё собирается. Также исчезает необходимость в промежуточных буферах. 🚀 В итоге оно даёт ускорение порядка 1,8× на B200. 💡 А ещё они избавляются от MXFP8-квантизации, ибо и так всё работает достаточно быстро) 📈 На батче из 32 удаётся достичь до 58% максимально достижимой пропускной способности. Однако авторы утверждают, что их подход не полностью вытесняет expert-centric-исполнение, особенно в сценарии низкой загрузки. На больших батчах оверхеды от перестановок/перегруппировок токенов не так сильно болят.

🇫🇷Mistral запускает китайские модели и строит европейскую GPU-империю Французская Mistral AI резко меняет правила игры. Компания перестает быть просто создателем проприетарных и открытых моделей и превращается в полноценного инфраструктурного гиганта. 🔍Стартап открыл свою облачную платформу для сторонних ИИ - и первой ласточкой стала китайская GLM-5.2 с контекстом в 1 миллион токенов. ⚡️Для корпоративного сектора это тектонический сдвиг:

🟦Инфраструктура под ключ: Бизнесу больше не нужно метаться между серверами и настраивать стек с нуля. Mistral берет на себя хостинг, GPU-мощности, SLA 99,9% и корпоративную безопасность, отдавая открытую китайскую модель через собственный API без правок в весах.

🟦Региональная изоляция: Появились Regional Endpoints (ЕС и США) для жесткого контроля за тем, где физически крутятся вычисления, что критично под европейские регуляторные нормы.

🟦Амбиции на 1 ГВт: Mistral Compute метит в статус главного европейского суверенного облака.

Французы вовремя поняли: разработка языковых моделей - это бесконечная и дорогая гонка, где лидеры меняются каждый месяц. А вот контроль над железом, дата-центрами и трубами, по которым течет ИИ-трафик, гарантирует выживание и власть при любом исходе нейросетевой битвы. 🦔 CyberYozh

📌Qwen 3.8 решает юридические задачи лучше и дешевле Opus 4.8 Стартап Engram, который занимается памятью для ИИ-агентов, вместе с легалтех-компанией Harvey проверил, что будет, если агент заранее изучит рабочее пространство фирмы, а не будет каждый раз перечитывать документы. Для эксперимента собрали синтетическую юрфирму Calderwood & Harkness: 100 млн токенов, 9 286 файлов, 266 клиентских дел - от судебных споров до сделок M&A и раундов финансирования. Модель Qwen3.8-27B не просто получила этот массив на вход - она изучала его тысячами прогонов, сама генерировала себе обучающие данные и записывала заметки. Часть знаний осела в весах через LoRA, часть - в структурированных заметках, куда агент потом ходит поиском. Исходные 100 млн токенов ужались в 1 млн токенов заметок. 🟡Результаты Выше оказалась не абсолютная точность, а интеллект на токен. По этой метрике кастомная Qwen дает 190,8 балла на 100 тысяч токенов против 129,3 у Opus 4.8 и 104,2 при высоком уровне рассуждений. По доле полностью верных ответов модель тоже обошла Opus 4.8 - 30% против 25%, - и обошлась в 0,13 доллара за запрос против 1,32.

Это примерно десятикратная разница по ценам OpenRouter на август 2026.

Отдельно измерили, сколько модель усвоила в веса. Отвечая на вопросы о фирме вообще без инструментов и заметок, до изучения она была права в 4,7% случаев, после - в 72,6%. Поменялось и поведение. Обученная модель в 99,2% случаев начинает с точечного поиска, тогда как базовая в 94% случаев первым делом лезет открывать заметки. До нужного дела обученная доходит за 3,7 хода против 5,9.

Рабочее пространство в эксперименте статично, а в реальной компании документы меняются каждый день, и меняются сами вопросы. Как дешево и непрерывно обновлять память без переобучения - открытая задача, и Engram называет ее своим основным направлением.

@ai_machinelearning_big_data #news #ai #ml

ComfyOrg не выдержал конкуренции с Алексом Выпустили свой MCP сервер в опенсорс, можно использовать на локальном комфи, раньше был только облачный Ассистент видит твою локальную установку ComfyUI, кастомные ноды в том числе, все модели на диске - пишет и редактирует граф ComfyUI естественным языком - Управление моделями - Отладка воркфлоу - Пакетная генерация с перебором параметров (cfg, steps, sampler, seed) - Работает с Claude, ChatGPT, Gemini, Ollama (офлайн), OpenRouter - любая LLM - 178 MCP-инструментов, 36 скиллов, 55 установочных пакетов - Самоопределение ComfyUI: авто-детект порта и пути - macOS, Linux, Windows github.com/Comfy-Org/Comfy-mcp docs.comfy.org/agent-tools/mcp github.com/Comfy-Org/comfy-skills #comfyui #mcp VK | MAX

Интересно, когда Стругацкие писали "Понедельник начинается в субботу", какой временной горизонт они себе представляли. И что бы они сказали сейчас: "Всего 60 лет прошло 😱" или "Целых 60 лет прошло 😒" Тогда идея создать своего "дубля", которому можно поручить работу вместо себя, наверняка казалась чем-то совершенно нереальным где-то совсем рядом с волшебством. Собственно, в книге этим и занимаются волшебники. А для нас прошло каких-то 60 лет и фраза "пусть дубль агент сам это сделает" постепенно становится обыденностью.

Дубль — это очень интересная штука. Как правило, это довольно точная копия своего творца. Не хватает, скажем, человеку рук — он создает себе дубля безмозглого, безответного, только и умеющего, что паять контакты, или таскать тяжести, или писать под диктовку, но зато уж умеющего это делать хорошо. Или нужна человеку модель-антропоид для какого-нибудь эксперимента — он создает себе дубля, безмозглого, безответного, только и умеющего ходить по потолку или принимать телепатемы, но зато уж умеющего хорошо. Или самый простой случай. Собирается, скажем, человек получить зарплату, а времени терять ему не хочется, и он посылает вместо себя своего дубля, только и умеющего что никого без очереди не пропускать, расписываться в ведомости и сосчитать деньги, не отходя от кассы. Конечно, творить дубли умеют не все. Я, например, еще не умел. То, что у меня пока получалось, ничего не умело — даже ходить. И вот стоишь, бывало, в очереди, вроде бы тут и Витька, и Роман, и Володя Почкин, а поговорить не с кем. Стоят как каменные, не мигают, не дышат, с ноги на ногу не переминаются, и сигарету спросить не у кого. Настоящие мастера могут создавать очень сложных, многопрограммных, самообучающихся дублей. Такого вот супера Роман отправил летом вместо меня на машине. И никто из моих ребят не догадался, что это был не я. Дубль великолепно вел мой "Москвич", ругался, когда его кусали комары, и с удовольствием пел хором. Вернувшись в Ленинград, он развез всех по домам, самостоятельно сдал прокатный автомобиль, расплатился и тут же исчез прямо на глазах ошеломленного директора проката.

Dflash2 тпшнулся и теперь продаёт курсы на скиллбокс?! Да да боже опять дифлеш… лорд Айм уан, лорд айм ту, начинали год как бодрый новичок с плюс минус новым подходом в спекдеке, даже обещали выложить пайплайн обучения, и вот конец года - тяжёлый люкс, эйай блог в тёмных тонах, пишите в Директ скинем модельки 💅 Из изменений: докинули конволюцию (стак мор лейерс) и газанули на дспарк из-за рекуррентности, хотя сами не лучше со своим path finder’ом. Замерились опять на каких то доходягах типа meta muse glimmer это че блеск для глаз, и опять под раздачу попала КраснаяШляпаЭйАй, до отстаньте вы от них да делают средние драфт модели, да за один день, да бесплатно, но издеваться то зачем? это какая то груша для битья на все случаи жизни? если Канье Веста заменят домиником джокером в саже - пойду красной шляпе дизов насую на хф, ну чтобы знали Крч, китайцы срубили бабла, даже им нужен один залетевший рилз, гад блес зем https://inco.ai/blog/dflash2/