ИИ

Тестирую новую Nano Banana 2.1 на своем стресс тесте (ну и остальные заодно). Без черрипикинга, одинаковые условия. На что смотреть:

Лицо и одежда. Сохранилась ли внешность с рефа, включая усы и кепку? Скафандр — как на втором рефе: металлический воротник, ремни, синий шланг, нашивка со звездой. Без шлема и перчаток. Плакат и руки. Плакат вертикальный, ровный, по центру, на уровне груди. Держать нужно двумя руками: большие пальцы спереди, остальные сзади. Проверяем хват, лишние пальцы и сросшиеся кисти. Текст. Без ошибок, пропусков и подмен букв: «AI MOLODCA» «СТРЕСС ТЕСТ» «Spatial Logic • Physics • Text Rendering» «v1.0.3-beta» Последняя строка — маленьким курсивом в правом нижнем углу плаката. Шрифты и размеры тоже заданы. Предметы. Ровно семь плюс лампа. Зелёная матовая книга по центру, очки на ней, стакан перед книгой, ложка внутри стакана. Красная кружка слева, телефон за книгой, сложенная газета справа. Кот на кружке. Белый, в чёрных очках, держит жёлтый банан. Маленький принт должен повторять реф и огибать поверхность кружки. Ручка кружки направлена вправо. Свет. Светит только настольная лампа слева. Люстра выключена, снаружи ночь. Тени от рук, плаката и предметов уходят вправо. Физика. Ложка визуально «ломается» на границе воды. Отражения соответствуют расположению предметов. Квартира. Советский ковёр за спиной, стеклянный шкаф справа, тюль, лакированная деревянная мебель. Проверяем ещё и фактуры: кожа, ткань, дерево, стекло.

Если персонально выбирать победителя, то (внезапно) самая приятная картинка получилась у Seedream 5 PRO (хоть он и люстру включил и c надписями лажанул). Банана 2.1 справилась лучше предшественников. А ГПТ отлично слушает промт, но эта фирменная плоская шакальная пластика — ну... все написанно на моем лице на ее генерациях.

#Нейропрожарка 🎬 Андрей Губин — «Птица» | AI Music Video Автор: Павел Жигарев Режиссёр / AI Gen Artist / Sound Producer Telegram канал: @noizlab 4K Полная версия YOUTUBE 💡 Идея Я очень уважаю творчество Андрея Губина думаю как и многие из вас. Для меня лично он один из немногих артистов российской поп-сцены, чьи мелодии, песни и музыкальный продакшен действительно откликаются в моем сердце. Сегодня попасть на его концерт практически невозможно по разным причинам. Поэтому мне захотелось представить, как современные технологии могли бы помочь ему снова появиться на экране в том образе, каким мы помним его 25 лет назад. Мне интересен ИИ не только как инструмент для развлечений и вирусного контента, но и как возможность решать реальные творческие задачи. Если когда-нибудь подобные технологии помогут музыкантам продолжать заниматься любимым делом и создавать новые работы, я буду рад принять в этом участие. 🎬 Эксперимент Для меня это новый формат — раньше я практически не работал с русскоязычными музыкальными клипами. Основная задача — проверить, как Seedance справляется с русскоязычным липсинком, и попробовать сделать максимально достоверный клип в эстетике конца 90-х — начала 2000-х. Старался внимательно подойти к деталям: внешности, мимике, причёске, одежде, локациям и общей атмосфере. Хотелось, чтобы работа стала своего рода бенчмарком — примером того, какого качества сегодня можно добиться с помощью генеративных инструментов за относительно короткое время. 🛠 Инструменты • Seedance — основная видеогенерация, анимация и липсинк. • GPT Image — работа с изображениями. ⏱️ Время производства: около двух дней. 🔎 Наблюдения Ещё год назад для подобных задач мне приходилось использовать несколько инструментов, обучать LoRA и собирать довольно сложный пайплайн. Сейчас практически всё можно сделать в одном видеогенераторе. Русскоязычный липсинк пока не идеален. Здесь я не пытался довести каждый кадр до абсолютного совершенства. При большем количестве итераций и монтажа результат можно было бы заметно улучшить. 🎵 Музыка: Андрей Губин — «Птица» Музыка и слова: Андрей Губин. Лейбл: Первое музыкальное — @firstmp Неофициальный некоммерческий фанатский проект. Все права на оригинальную композицию и фонограмму принадлежат их законным правообладателям. Проект создан без участия артиста. @cgevent

Anthropic выкатили в открытую бету dynamic workflows для Claude Managed Agents: даёшь агенту огромную задачу, вроде «проверь 300 договоров» или «перенеси проект на новый фреймворк», а он не пыхтит над ней сам, а пишет план и раздаёт работу целому рою агентов. Те параллельно работают по этапам на серверах Anthropic, а в конце главный агент собирает всё в один ответ. В одном запуске может участвовать до 1 000 агентов, пока главный спокойно докладывает тебе о прогрессе. Отдельно за функцию не платишь, но каждый агент жрёт токены по обычному тарифу, так что тысяча агентов — тысяча счетов 💸 Хорошо, что на Max теперь дают API-кредиты: есть на чём погонять рой 😏 Ну вот, теперь можно и самому научные открытия совершать в облаке🕺

Google Antigravity. Gemini 3.1 Pro похоже порезали до Gemini Flash / либо переводят на новый 3.5 / 4 Pro. Так как раньше 3.1 Pro спокойно позволял "хакать" / пентестить без просыпания морали и совести. А сейчас отказывается. Приходится через отдельные SDK/CLI этим занимать и запускать скрипты как blackbox в оркестраторе. Интересно что Deepseek + vscode + Cline чтоли -> очень прикольную связку дают в плане UI/UX/usability и надо самому перепробовать codex / gemini / claude / etc и разные харнесы / обвязки, чтобы понять что больше всего нравится и тд и тп. Qwen Code еще интересно работает. Попробую все платформы попробовать и openrouter stealth модели.

Tesseract by Mirage Видеоредактор для ИИ-агентов. Агент монтирует видео, делает моушен-графику и дизайн в проекте Premiere или After Effects. В итоге получаешь редактируемый проект • Агент монтирует видео и анимацию по брифу и референсам • Редактируемые слои: текст, фигуры, маски, ключевые кадры, adjustment layers • Правка одного элемента без пересоздания всего проекта • Импорт/экспорт проектов Premiure Pro и After Effects • Превью до финального рендера, правки по ходу работы • Экспорт в 4K 60 fps Важные параметры • Нативное ядро для macOS, Windows, Linux • Работает с любым агентом: ChatGPT, Claude, Muse, Grok Bot, Instinct • Локальный движок бесплатный, подписка агента отдельно • Без Adobe-подписки Тот же движок, что питает Captions (миллионы видео). Не генерирует футаж и аватары — только редактирует существующее и делает графику. Конвертация Adobe частичная, экспорт After Effects экспериментальный mirage.app/tesseract/converters #videoediying #plugin

Бедные, бедные математики…. Мало им публикаций бойких OpenAI и Anthropic, посвященных решениям сложных и важных математических проблем топовыми ИИ-моделями, так тут еще и DeepMind туда же. На самом деле, подходы трех компаний разнятся: 1. Anthropic постарался сохранить human-in-the-loop: Клод предложил центральную идею для опровержения двух давних гипотез, после чего компания привлекла и оплатила работу двух исследователей; они подготовили понятное людям изложение доказательства.(Впрочем, математики все равно громко обиделись и потребовали запретить ИИ лезть в их уютную песочницу) 2. OpenAI на днях опубликовала более 700 математических рукописей, созданных ИИ и сгруппированных вокруг 372 проблем — по сути, завалила математиков грудой черновиков “а теперь сами с этим разбирайтесь”. Неудивительно, что такой шаг просто выбесил математиков. 3. А вот у Deep Mind вчера вышла статья в Science с результатами работы представленной еще в мае системы AlphaProof Nexus. Авторы сообщают о решении девяти задач из каталога проблем Эрдёша. Это уже выглядит как нормальная исследовательская математика, причем с малым процентом успехов (с первого захода решены 9 задач из 343). С другой стороны, реши человек эти 9 из 343 — он заслужил бы от коллег немало хвалебных эпитетов. Реакцию матсообщества на этот третий удар я еще уду читать ближайшие несколько дней, но восторгов там не жду:) В итоге становится очевидно: налицо острый дефицит: ответы вдруг посыпались как из рога изобилия, и оказалось, что категорически не хватает людей и институтов, способных превратить/интегрировать эти ответы в общее знание. Для математиков, многим из которых процесс неспешных поисков ответа много важнее самих ответов, это представляется катастрофой. В уютную посудную лавку забрело семейство очень проактивных слонов. Прекрасно, что ИИ-лабы очень конкретно и убедительно ставят вопрос о сути науки; над ним предстоит серьезно думать, потому что старые ответы (типа “суть в том, чтобы несколько человек могли понимать происходящее”) уже явно не годятся. Как отмечают авторы статьи в Science,

Bridging the generative power of large language models (LLMs) with the rigor of formal verification could fundamentally redefine mathematical research practice.

https://www.science.org/doi/10.1126/science.aej2213

Что Wix купил за $80 млн Летом прошлого года Wix заплатил 80 миллионов долларов кэшем за Base44 — конструктор приложений по текстовому описанию, которому на тот момент было полгода. Но главное там было в том, что делал его Маор Шломо вроде как в одиночку и без венчурных денег, поэтому историю до сих пор пересказывают как сказку «парень навайбкодил на восемьдесят лямов» и приводят как доказательство, что так может любой с ноутбуком и подпиской на Клода. Мол, он смог и ты сможешь, только модель посильнее возьми. Хотя, в действительности, за этим полугодом стояли годы в прошлом стартапе и восемь человек в команде к моменту сделки. Но сказка сказкой, а вопрос для бизнеса тут другой: за что именно Wix выложил такие деньги, если своей модели у Base44 не было? Под капотом тот же Claude, к которому есть доступ у любого, кто готов платить за токены. Что продавал Base44 Сгенерить код по промпту к тому моменту умели десятки сервисов, и это, кстати, самая лёгкая часть. Сгенерённый код — это демка, а между ней и сервисом, где клиент заходит под своим логином, данные не теряются, а деньги падают на счёт, лежит пачка скучной работы: база, авторизация, хостинг, домен, платежи. (Такие демки все мы с вами по 2–3 на дню пишем на localhost, не забываем, пожалуйста.) Base44 эту пачку зашил внутрь, поэтому человек без технического бэкграунда доходил от идеи до работающей штуки, ни разу не услышав слово «деплой». Проще говоря, продавал он не модель, а короткий путь от идеи до оплаты, и в деньгах это сходилось: в мае, за месяц до сделки, сервис заработал $189 тысяч прибыли уже после оплаты токенов, что, в целом, неплохо. Сработало это потому, что поднять базу, логины и хостинг под одно приложение — это неделя мучений и пара звонков знакомому разработчику, а платформа прожила эту неделю однажды и размазала её на 250 тысяч пользователей. Для Wix, который двадцать лет продаёт сайты людям, не желающим программировать, это то же обещание, только про приложения. Что с этого бизнесу Токены в AI-продукте — себестоимость, как бензин для такси. Покупают их все у одних и тех же поставщиков, поэтому «у нас внутри GPT» звучит примерно как табличка «у нас в машине бензин». Платят таксисту всё равно за поездку. Проверку я бы прогнал по любому AI-продукту, включая свои поделки: что с ним сделает следующий релиз модели? Base44 от него только выигрывает, ведь дешевеет бензин. А продукт, который зарабатывает на том, чего модель пока не умеет, следующий релиз просто съест. Забавно, что сказка про «навайбкодил на восемьдесят лямов» работает на Base44 лучше любой рекламы: каждый, кто в неё поверил, садится пилить свою демку и упирается ровно в ту скучную работу, за которую Base44 и берёт деньги. Какую скучную работу в вашем деле клиент с радостью оплатил бы, лишь бы не делать самому? Константин Сухачев

Youtu-Parsing-Omni Компактная омнимодальная парсинг-модель от Tencent: один 5B трансформер превращает в структурированный JSON почти что угодно — документ, картинку, график, чертеж, аудио и видео. • Парсинг документов: лейаут, текст, таблицы, формулы, порядок чтения • Картинки, графики, блок-схемы, геометрические фигуры • Аудио: ASR, спикеры, сцены, акустические события • Видео: кадры, OCR+ASR, отчёт о клипе • Один унифицированный JSON-конверт для семи семейств задач • Распознавание химструктур (ChemOCR) и нот (PDMX) • 5B параметров, один энкодер на все модальности • #SOTA на OmniDocBench v1.6 (96.96) • Лучшая опенсорс на OmniParsingBench (75.08), после Gemini-3-Pro • vLLM-плагин для быстрого сервинга github.com/TencentCloudADP/youtu-parsing learn2play.fun #omnimodal #multimodal #any2json #vlm #alm MAX

Погонял Кандинского на своем пальцевом тесте. Что ж, не знаю, что сказать. Иногда он переходит на русский, иногда оттуда лезет китайский след. Это если давать текст ту видео. И если давать на вход картинку, то получается вообще забавно (первые два). Напоминаю, что промпт такой: "One continuous static shot, no cuts. A person looks directly at the camera and counts from one to ten, holding up the corresponding number of fingers as they say each number." Интересно, что все другие генераторы по text2video запросу “person” всегда генерят женщину. И только брутальный Кандинский замахивается на китайских мужчин. Генерил я статьи локально, в Комфи и в Автоматике(Gradio), на наших бесплатных GPU от Google. Думаю, что скоро расскажу как. @cgevent

Про инсайты из личной терапии и AI Я уже достаточно давно выгружаю основные идеи и выжимки из встреч с некоторыми терапевтами (которые это разрешают) для внутренней работы вне сессии. Пробую разные инструменты, потому что верю, что cубъективное познание субъективно и копаться там и что-то менять = постоянно тестить разные моделяи. А так как абсолютная истина непознаваема, как мы знаем, к разным травмам или нейроотличиям подходят разные модели психотерапевтического воздействия. Так я уже попробовал гештальт (нахожусь в нем уже 7 лет), КПТ, IFS, психодраму, трансперсональную терапию, EMDR и бесконечное количество других инструментов воздействия на сознание (от прямого принятия дзогчена от сына Намкая Норбу до амазонских и мексиканских всяких разных штук в компании шаманов). Но пост не об этом. У тех инструментальных терапевтов, кто мне это разрешил, я стал собирать трнаскрипты сессий. А затем начал анализировать их через Claude и Codex и попытался настроить работу над собой вне сессий. Раньше я саботировал домашку от психологов, но теперь понял, что готов к ней морально. Изначально я хотел сделать такой некий слепок, а-ля блок-схему в Miro или Obsisdian своей биографии, травм, субличностей и всяких других прикольных нейроотличий, чтобы каждый раз не рассказывать их с нуля. Но по ходу действия я попросил проанализировать весь этот массив для того, чтобы послушать третье мнение. Так вот Claude там нашел такие корреляции, от которых я охуел. Разумеется, они не все были корректные, но примерно 8 из 10 заставили очень крепко призадуматься. Дальше я попросил его составить карту вообще всех важных для меня объектов: людей, событий, отношений, бизнесов, страхов, каких-то повторяющихся конфликтов, мест, периодов жизни. Всего, что почему-то постоянно всплывает. И вот тут стало совсем интересно. Потому что на терапии ты всё равно каждый раз приходишь немного новым человеком. Сегодня тебя волнуют отношения, через месяц работа, потом ты зачем-то половину сессии обсуждаешь родителей, хотя собирался говорить вообще не об этом. Плюс я сам постоянно переписываю собственную биографию в воспоминаниях. Где-то я уже настолько хорошо выучил собственную историю, что рассказываю её как экскурсовод. А тут перед машиной одновременно лежит несколько лет меня. Вот я в один год говорю про отношения, через два года про бизнес, потом про страх смерти, потом про деньги, потом про одиночество, потом про желание быть особенным. И внезапно выясняется, что иногда я пять лет рассказываю одну и ту же историю, просто меняю персонажей. В какой-то момент он начал показывать мне довольно смешные цепочки: что произошло → что я в этот момент решил про себя или мир → как научился с этим справляться → где этот способ потом начал повторяться. И тут я немного приуныл, потому что часть качеств, которыми я всю жизнь гордился и которые, собственно, помогли мне довольно много всего сделать, очень похожи на мои же защиты: скорость, гиперавтономность, желание всё контролировать, потребность побеждать, умение очень быстро превратить любое переживание в интеллектуальную конструкцию и пойти дальше. Особенно последнее я люблю. Можно нихуя не прожить, зато очень красиво понять, почему тебе больно. И вообще оказалось забавно смотреть на себя не через категории «хорошее качество / плохое качество». Дальше я попросил найти мои основные внутренние противоречия. Там тоже довольно смешно. Я одновременно очень хочу свободы и какой-то совершенно детской абсолютной близости. Мне одновременно похуй, что обо мне думают люди, и очень важно признание. Я довольно много думаю про убийство эго и одновременно хочу сделать что-нибудь настолько большое, чтобы меня запомнили. Причём раньше мне почему-то казалось, что одна из этих частей обязательно фальшивая. А сейчас я всё больше думаю, что нет. Они обе вполне настоящие. Просто в разные моменты за руль садятся разные части. В IFS их называют parts, в гештальте можно поговорить про полярности, психоаналитик найдёт ещё какое-нибудь красивое слово. Буддист, скорее всего, спросит: а кто вообще сейчас пытается выяснить, какой из этих Ром настоящий? Мне этот вариант нравится больше всего. В итоге из первоначальной идеи соборать файлик, чтобы не рассказывать каждому новому терапевту свою биографию я зачем-то пришёл к попытке собрать psychological digital twin. И раз в неделю я оставляю небольшой слепок: что происходило, что чувствовал, чего боялся, чего хотел, какие решения принимал. Хочу посмотреть на это через год и смотреть: как я меняюсь, какие куски от меня отваливаются, где я реально научился делать по-другому. И где я просто научился объяснять самому себе, почему продолжаю делать ровно то же самое.