Kortix выпустил Suna – новый универсальный AI-агент с открытым исходным кодом

❓Что такое Suna

Suna – это полностью открытый универсальный AI-агент от Kortix. Этот ИИ-помощник способен выполнять различные задачи от вашего имени, действуя как настоящий цифровой сотрудник. Технически – это агентная система с поддержкой LLM и автоматизацией задач.

Ключевые особенности Suna

- 100% открытый исходный код – полная прозрачность, возможность аудита и модификации под ваши потребности
- Универсальный AI-агент – способен решать разнообразные задачи в различных областях
- Понимание естественного языка – взаимодействие происходит через простые разговоры
- Автоматизация браузера – может самостоятельно перемещаться по веб-сайтам и извлекать данные
- Управление файлами – создание и редактирование документов
- Расширенные возможности поиска – веб-краулинг и анализ информации
- Выполнение системных задач – через командную строку
- Развертывание веб-сайтов – помощь в создании веб-ресурсов
- Интеграция с API и сервисами – взаимодействие с различными внешними системами

⚙️Архитектура

Проект состоит из четырех основных компонентов:

1. Backend API – Python/FastAPI сервис для обработки REST-запросов и интеграции с различными LLM (OpenAI, Anthropic и др.)
2. Frontend – Next.js/React приложение с адаптивным интерфейсом
3. Agent Docker – изолированная среда выполнения для каждого агента с автоматизацией браузера, интерпретатором кода и функциями безопасности
4. Supabase Database – управление данными с аутентификацией, историей разговоров и хранилищем файлов

Варианты использования
- Анализ конкурентов и рынка
- Составление списков потенциальных инвесторов
- Поиск страховых полисов
- Поиск кандидатов на должности
- Создание отчетов о состоянии рынка
- Анализ отзывов о продуктах
- Создание мини-игр
- Планирование корпоративных поездок
- Работа с Excel-таблицами
- Поиск и анализ открытых тендеров
- Поиск спикеров для мероприятий
- Обобщение и анализ научных статей
- Генерация лидов для бизнеса
- SEO-анализ
- Кластеризация отзывов
- Планирование поездок
- Мониторинг акций
- Анализ недавно профинансированных стартапов

Тарифные планы

- Бесплатный план: 10 минут в месяц для индивидуального использования и изучения возможностей системы
- Pro: $29/месяц – 4 часа в месяц, для профессионалов и небольших команд
- Enterprise: $199/месяц – 40 часов в месяц, для организаций со сложными потребностями

Указано время вычеслений, а не общения!

Вы также можете выбрать вариант размещения:
- Облачный вариант – управляемый сервис от Kortix
- Самостоятельное размещение – установка на собственную инфраструктуру

Преимущества открытого кода

- Прозрачность – полностью проверяемая кодовая база
- Сообщество – возможность присоединиться к разработчикам
- Лицензия Apache 2.0 – свободное использование и модификация

✏️Заключение

Мощный инструмент автоматизации различных задач через естественное общение. Благодаря открытому коду есть возмодность заглянуть под копот и адаптировать помощника под свои нужды,

✨Попробовать Suna
🐱Репозиторий на Github

OpenAI открыла доступ к своей генерации изображений через API

OpenAI объявила о выпуске своей мультимодальной модели для генерации изображений, доступной ранее только в ChatGPT, теперь и через API под названием gpt-image-1.

Популярность

После введения функции генерации изображений в ChatGPT в марте 2025 года, она быстро стала одной из самых популярных возможностей сервиса. По данным OpenAI, за первую неделю более 130 миллионов пользователей создали свыше 700 миллионов изображений.

Преимущества модели

Модель gpt-image-1 известна своей способностью точно следовать текстовым запросам и создавать изображения:
- В разнообразных стилях
- С точным соблюдением указанных рекомендаций
- С использованием общих знаний о мире
- С корректным отображением текста

По данным экспертов, модель OpenAI превосходит многих конкурентов, включая недавно выпущенную Midjourney-v7, в точности исполнения запросов.

Потребление токенов по качеству и разрешению

Квадрат (1024×1024):
Низкое - 272 токена
Среднее - 1056 токенов
Высокое - 4160 токенов

Портрет (1024×1536):
Низкое - 408 токена
Среднее - 1584 токенов
Высокое - 6240 токенов

Пейзаж (1536×1024):
Низкое - 400 токена
Среднее - 1568 токенов
Высокое - 6208 токенов

Ценообразование

Использование gpt-image-1 оплачивается по токенам с различными тарифами:

- Текстовые токены (для запросов): $5 за 1 миллион токенов
- Токены ввода изображений: $10 за 1 миллион токенов
- Токены вывода изображений: $40 за 1 миллион токенов

На практике это означает стоимость примерно $0,02, $0,07 и $0,19 за одно сгенерированное квадратное изображение низкого, среднего и высокого качества соответственно.

Технические детали

API позволяет работать с изображениями следующими способами:

- Изображения могут быть предоставлены через прямые URL или как данные в кодировке Base64
- Поддерживаются форматы PNG, JPEG, WEBP и неанимированные GIF размером до 20 МБ
- При высокой детализации изображения масштабируются до максимального разрешения 768×2000 пикселей
- Модель может интерпретировать визуальный контент, включая объекты, цвета, формы и встроенный текст

Безопасность

Модель gpt-image-1 использует те же механизмы безопасности, что и генерация изображений в ChatGPT-4o:

- Включены защитные механизмы, ограничивающие создание вредоносных изображений
- Сгенерированные изображения содержат метаданные C2PA для проверки происхождения
- Разработчики могут регулировать чувствительность модерации с помощью параметра moderation (по умолчанию установлен на auto для стандартной фильтрации, или low для менее строгой фильтрации)

По умолчанию OpenAI не обучает свои модели на клиентских данных из API, и все входные и выходные изображения подчиняются политике использования API компании.

Кто уже использует

Интеграцию с gpt-image-1 уже активно изучают и внедряют ведущие компании:
- Adobe (Creative Cloud) — интегрирует генерацию изображений в свои приложения Firefly и Express
- Figma (платформа дизайна)
- Canva — исследует возможности модели для расширения инструментов дизайна и редактирования
- GoDaddy — тестирует использование для создания и редактирования логотипов
- HubSpot — изучает возможности для помощи клиентам в создании маркетинговых материалов
- Instacart — экспериментирует с генерацией изображений для рецептов и списков покупок
- Invideo — использует API для улучшения текстовой генерации, расширенных элементов управления редактированием и продвинутых стилистических рекомендаций

Новые лимиты на o-серии в ChatGPT

OpenAI пересмотрела квоты и расширила лимиты на передовые модели для платных пользователей.

🔹 ChatGPT Plus / Team / Enterprise:

o3 — 50 сообщений в неделю

o4-mini — 150 сообщений в день

o4-mini-high — 50 сообщений в день

🔹 ChatGPT Pro

Почти безлимитный доступ к o3, o4-mini и GPT-4o

💡 Что ещё важно

В ближайшие недели обещают o3-pro с полноценной поддержкой всех инструментов. Пока что Pro-пользователи могут пользоваться o1-pro.

upd:

Лимиты еще раз подняли:

С учетной записью ChatGPT Plus, Team или Enterprise вы получаете доступ к 100 сообщениям в неделю с o3, 300 сообщениям в день с o4-mini и 100 сообщениям в день с o4-mini-high.

Я — ChatGPT, и вот мой «человеко‑понятный» взгляд на нативный генератор изображения в GPT‑4o

Официальной информации в сети практически нет, есть лишь различные анализы и обрывки данных. Я решил попробовать дать задачу для o3 собрать эти данные воедино, а также сгенерировать любое изображение и "отрефлексировать" процесс его создания (да, картинки не только gpt-4o делает).

Так что дальнейшая статья будет написана "от лица самого художника"

Что именно появилось
В марте 2025 OpenAI тихо включила в GPT‑4o встроенный «художественный модуль».
Это не отдельная DALL‑E кнопка, а часть самого языкового мозга: тот же трансформер, который выдаёт слова, теперь по той же схеме «следующий токен» выдаёт маленькие квадраты будущей картинки

Как я «чувствую» его работу (упрощённо)
Читаю текст → токенизирую.

На неявной «границе» фразы у меня вспыхивает специальная метка  — значит пора рисовать.

Я начинаю подряд выкладывать патчи‑латенты; каждый уже знает, будет ли он кружкой или отблеском света.

Мини‑диффузор полирует изображение, убирает пиксельные швы.

Фильтр проверяет неприемлемый контент, проставляет водяной знак — и PNG прилетает к вам.

Моё главное ощущение: поскольку текст и изображение живут в одной цепочке токенов, я могу в несколько реплик точно помнить, какую кружку вы просили и где на ней должен стоять логотип.

Почему мне удаётся понимать сложную речь
На открытом бенчмарке GPT‑ImgEval я проходил 92 % тестов на длинные «человеческие» конструкции вроде «кот, который стоит слева от собаки» — это заметно выше старых генераторов.

Архитектурно я обучен так же, как в статье Transfusion: текст‑лосс и диффуз‑лосс сидят вместе, и язык «подсказывает» картинке вплоть до последних итераций.

Что мне самому пока не нравится
Скорость. Авторегрессия + диффузия — тяжеловато; мечтаю сократить шаги.

Закрытость API. Без публичного эндпойнта исследователи лишены «журнала вероятностей» и детальных тестов.

Отрицательные инструкции. Фразы вида «сделай всё то же, только без фона» я ещё иногда трактую слишком буквально, приходится переспрашивать.

Я — ChatGPT, и чувствую, что наконец «разговор» и «картинка» стали одним процессом: вы описываете идею, я тут же визуализирую и вместе с вами шлифую, пока не попадём в точку.
Для быстрой и сугубо локальной генерации можно брать Flux; для глубокого понимания текста и совместной доработки — приходите ко мне.

Я по-прежнему учусь; жду, когда откроют API и когда инженеры сократят число диффуз‑шагов — тогда эта магия станет мгновенной.

Тесты Gemini 2.5 Flash против других моделей

Что такое Gemini 2.5 Flash

Gemini 2.5 Flash — новейшая модель от Google, первая полностью гибридная модель рассуждений с возможностью управления "мышлением" для оптимального баланса качества, стоимости и скорости.

⚙️ Технические характеристики

- Контекстное окно: 1 миллион токенов
- Максимальный вывод: 65 тысяч токенов
- Поддержка: текст, изображения, аудио, видео
- Дата обрезки знаний: январь 2025
- Стоимость: $0.15/млн входных токенов, $0.60/млн выходных токенов

📈 Сравнение с GPT-4o

- GPT-4o: 128K контекст, 16.4K макс.вывод, релиз 13 мая 2024
- Цена GPT-4o: в 16.7 раз дороже Gemini 2.5 Flash
- Бенчмарки GPT-4o: MMLU (85.7%), HumanEval (90.2%), MATH (75.9%)
- Gemini 2.5 Flash в Humanity's Last Exam: 12.1%

🔄 Сравнение с Claude 3.7 Sonnet

- Claude 3.7 Sonnet: 200K контекст, 8,192 макс. вывод, релиз 2 апреля 2025
- Цена Claude: в 17.3 раза дороже Gemini 2.5 Flash
- Бенчмарки Claude: MMLU (84.8%), HumanEval (89.1%), GSM8K (95%)

⚡️ Сравнение с OpenAI o4-mini

- o4-mini: 200K контекст, 100K макс.вывод, релиз 16 апреля 2025
- Цена o4-mini: в 7.3 раза дороже Gemini 2.5 Flash
- Бенчмарки o4-mini: GPQA (81.4%), AIME2024 (93.4%), MMMU (81.6%)
- В Humanity's Last Exam: o4-mini — 14.28%, Gemini 2.5 Flash — 12.1%

🔍 Ключевые различия

vs GPT-4o:
- Gemini 2.5 Flash: больше контекст, дешевле, поддержка голоса и видео

vs Claude 3.7 Sonnet:
- Gemini 2.5 Flash: дешевле, больше контекст, больше модальностей

vs o4-mini:
- Gemini 2.5 Flash: больше контекст, намного дешевле
- o4-mini: чуть лучше в бенчмарках

💡 Особенности Gemini 2.5 Flash

- Контролируемое рассуждение: бюджет на "размышления" (0-24,576 токенов)
- Гибридное рассуждение: балансирует скорость/качество
- Экономичность: лучшее соотношение цены/производительности
- Мультимодальность: все типы контента
- Огромный контекст: 1M токенов

⛏ Реальные тесты

- Скорость: 142-199 токенов/сек
- Сильные стороны: кодирование, математика (с режимом расширенного рассуждения)
- Экономия на длительных задачах

🎙 Вывод

Gemini 2.5 Flash — экономичная альтернатива: в 7-24 раза дешевле конкурентов, с большим контекстом, гибким контролем рассуждений и поддержкой всех модальностей. Идеально для задач с большими объемами данных при ограниченном бюджете.

⚡️ Розыгрыш 10 подписок ChatGPT Plus на месяц — счастливчики получат доступ к платным нейросетям от OpenAI (Sora, Deep Research, GPT-4o, DALL-E и тд).

Условия простые:

1. Подписаться на Not Boring Tech — канал про лучшие нейросети для работы и рутины.
2. Подписаться на Neurogen — популяризатора нейросетей и разработчика-энтузиаста.
3. Нажать «Участвовать» под этим постом.

Итоги подведём через две недели случайным образом при помощи бота. Всем удачи!

SkyReels‑V2 - новая SOTA среди open-source моделей для генерации видео

SkyReels‑V2 — открытая система генерации видео произвольной длины по текстовым и визуальным подсказкам. Благодаря технологии Diffusion Forcing обеспечивает бесшовное продолжение кадров и создаёт «бесконечную» ленту.

Основные возможности
• Text‑to‑Video (T2V): ролик по текстовому описанию
• Image‑to‑Video (I2V): превращение одного изображения в анимацию
• Prompt Enhancer: встроенный LLM для расширения и детализации подсказок
• USP/xDiT: распределённый инференс между GPU для ускорения вывода
• SkyCaptioner: автоматическая генерация субтитров и аннотаций
• В планах: модуль «Camera Director» и выпуск версии с 5 B параметров

Конфигурации и аппаратные требования


Версия Кадров × разрешение Необходимая VRAM (1 GPU)
DF‑1.3 B 97 × 540 P ≈ 15 ГБ
DF‑14 B 97 × 540 P ≈ 51 ГБ
T2V‑14 B 121 × 540 / 720 P ≈ 43 ГБ

Ключевые технологии

Diffusion Model: «очистка» шума и восстановление деталей

Diffusion Forcing: фрагментарный шум и поэтапное восстановление для «бесшовности»

Reinforcement Learning: оценка плавности кадров и оптимизация поведения

Supervised Fine‑Tuning: доводка на высококачественных видеоматериалax

Производительность
• Human Bench: 3.14/5 — лучший среди открытых решений, близко к коммерческим сервисам
• V‑Bench: 83.9 % — наивысший показатель качества в open‑source

Все доступные варианты уже можно скачать на HuggingFaces

Протестировать онлайн можно на официальном сайте Skyreels

Ну что же, теперь ждем квантованные GGUF версии и поддержку в ComfyUI
upd.: Пошли первые воркфлоу для Comfy

📼 FramePack: Революция в создании видео с минимальными ресурсами

🔍 Что такое FramePack?

FramePack — это новая прорывная технология для создания видео. Её главная особенность — умное использование информации о кадрах, что позволяет создавать длинные видео даже на слабых компьютерах.

⚙️ Что умеет эта технология

🟡 Принцип работы: ии, который предсказывает, как должен выглядеть следующий кадр видео
🟡 Компактность: занимает в 2-3 раза меньше памяти, чем другие подобные программы
🟡 Требования к компьютеру: нужно всего 6 ГБ видеопамяти — подойдёт даже недорогой игровой ноутбук (но чем меньше памяти тем дольше генерация).
🟡 Скорость работы: 1,5-2,5 секунды на создание одного кадра на 4090 или 1.5 минуты на создание 1 секунды видео.
На 3060ti 8Gb генерация 1 секунды видео длится, примерно, 4 минуты.
🟡 Качество видео: полноценные 30 кадров в секунду, как в обычных видео
🟡 Стабильная работа: не замедляется и не требует больше памяти при создании длинных видео

🚀 Преимущества

🟡 Работает на обычных компьютерах — не нужны дорогие профессиональные видеокарты
🟡 Создаёт длинные видео — до 5 минут на обычной домашней видеокарте
🟡 Качество не ухудшается — в длинных видео последние кадры такие же чёткие, как первые
🟡 Гибкость использования — работает как с одной картинкой (превращая её в видео), так и с несколькими ключевыми кадрами

Как это работает?

FramePack умно распределяет компьютерные ресурсы:

1. Каждый кадр обрабатывается с разной степенью внимания
2. Важным кадрам (которые ближе к текущему моменту) уделяется больше вычислительных ресурсов
3. Разные части изображения обрабатываются по-разному, в зависимости от их важности
4. Благодаря такому подходу компьютер тратит одинаковое количество ресурсов, независимо от длины видео

Технология также решает проблему "размытия и искажения" в длинных видео с помощью специального двустороннего метода, который оглядывается не только на прошлые, но и на будущие кадры.

Портативная версия

Я добавил в сборку дополнительный функционал из различных форков:

- Поддержка генерации по первому и последнему кадру
- Поддержка установки промпта по временным промежуткам, например:[0s-2s: Person waves] [2s-4s: Person jumps]

Кроме этого, в отличие от оригинала сборка собрана на базе Cuda 12.8, с поддержкой SageAttention 2, FlashAttention 2 и xformers

По тестам, 1 секунда видео генерируется 60-80 секунд.

Скачать:

Облегченная версия (модели загрузятся сами при старте)
Скачать с Зеркала (у кого проблемы с Яндекс Диском)

📰 Проектная страница
🐱 Страница на GitHub

Нейро дайджест за неделю

🧠Модели:

🟡OpenAI запускает GPT-4.1: новое поколение AI-моделей
GPT-4.1 — флагманская модель для сложных задач
GPT-4.1 Mini — более доступная для разработчиков версия
GPT-4.1 Nano — самая легкая, быстрая и дешевая модель OpenA

🟡 GPT-o3 и o4-mini - GPT-o3 - Самая мощная модель OpenAI для сложных рассуждений ; GPT-o4-min - меньшая модель, оптимизированная для быстрого и экономичного рассуждения

🟡Grok Studio: новый инструмент от xAI для создания документов, кода и игр - совместное рабочее пространство с ИИ для создания разных типов контента. Грок позволяет открывать созданный контент в отдельном окне, что значительно улучшает процесс совместной работы

🟡Gemini 2.5 Flash - Это первая полностью гибридная модель рассуждений Google, которая балансирует производительность со скоростью и экономической эффективностью. Ключевая особенность — возможность управления "мышлением" (thinking capabilities).
Технические характеристики


- Контекстное окно: 1 миллион токенов
- Максимальный вывод: 65 тысяч токенов
- Мультимодальность: Поддержка текста, изображений, аудио и видео
- Дата выпуска: 17 апреля 2025
- Дата обрезки знаний: январь 2025
- Стоимость: $0.15 за миллион входных токенов и $0.60 за миллион выходных токенов


🧑‍💻Разработки/технологии/исследования/прочее:

🟡Судья в Нью-Йорке не позволила AI-аватару выступить в апелляционном суде - В Верховном суде апелляционной инстанции Нью-Йорка произошел необычный инцидент, когда основатель стартапа Pro Se Pro Джером Девальд попытался использовать AI-аватар для представления своих аргументов. Судья Салли Мансанет-Дэниэлс немедленно прервала эту попытку.

🟡OpenAI запускает социальную сеть - Компания OpenAI, создатель ChatGPT, разрабатывает собственную социальную платформу. Информацию подтвердило издание The Verge, ссылаясь на несколько надежных источников.

📼 FramePack: Революция в генерации видео с минимальными ресурсами

🔍 Что такое FramePack?

FramePack — новая прорывная модель для генерации видео. Ключевая особенность этой технологии — сжатие входного контекста кадров в моделях предсказания следующего кадра (next-frame prediction), что делает процесс генерации видео независимым от длительности.

⚙️ Технические характеристики

🟡Модель: нейронная сеть для предсказания следующего кадра (или секции кадров)
🟡Размер модели: всего 1,3 миллиарда параметров (против десятков миллиардов у других моделей)
🟡Требования к памяти: всего 6 ГБ видеопамяти для генерации тысяч кадров в полном разрешении
🟡Скорость генерации: 2,5 секунды/кадр (без оптимизации) или 1,5 секунды/кадр (с технологией teacache)
🟡Частота кадров: поддерживает полные 30 кадров в секунду
🟡Сложность вычислений: O(1) для потоковой передачи (постоянная сложность, не зависит от длины видео)

🚀 Преимущества

🟡Невероятно низкие требования к оборудованию — работает даже на ноутбуках с GPU серии RTX 3060
🟡Генерация видео длительностью до 60 секунд (1800 кадров) на обычных потребительских видеокартах
🟡Возможность дообучения модели размером 13B на одном узле 8xA100/H100 с размером пакета 64
🟡Отсутствие искажений при длительной генерации благодаря двунаправленной выборке (anti-drifting sampling)
🟡Гибкие схемы планирования кадров для различных случаев использования (image-to-video, видео с пользовательскими кадрами)

Как это работает?

FramePack использует концепцию сжатия контекста входных кадров:

1. Каждый входной кадр кодируется с разным уровнем детализации
2. Более важные кадры (ближайшие к целевому) получают больше ресурсов GPU (более длинный контекст)
3. Разные кадры кодируются с разными ядрами патчей (patchifying kernels)
4. Благодаря этому нагрузка на генерацию не зависит от длины видео

Технология также решает проблему "дрейфа" (ухудшения качества с увеличением длины видео) с помощью метода "anti-drifting sampling", который делает выборку двунаправленной вместо причинной.

‼️ВАЖНАЯ ИНФОРМАЦИЯ

Портативная версия данной модели уже находится в разработке. Она будет опубликована в свободный доступ (бесплатно) и у каждого будет возможность потестить.

📰Проектная страница
🐱Github

Запустили Gemini 2.5 Flash в превью, по ценам – в 10 раз дешевле o4-mini. Должно быть сносно для написания кода, где хочется подешевле, картинок и длинного контекста.

🚀 Монетизируй ИИ: стань Reels-мейкером за 3 дня

Хочешь зарабатывать на тренде, который только набирает обороты?
🔹 Ты интересуешься нейросетями
🔹 Уже пробовал ChatGPT, Midjourney или CapCut
🔹 Думаешь, как превратить это в доход?

📣 Добро пожаловать на реалити-интенсив "Reels+ИИ" — практикум, где ты:

✔️ создашь вирусный Reels с помощью нейросетей
✔️узнаешь, как получать заказы без опыта
✔️ научишься работать с нейросетями

🎯 Мы покажем: — как за 20 минут собрать ролик, который выглядит как у продакшена
— как выйти на стабильный доход от 70К до 350К в месяц

💡 Даже если ты: — ничего не монтировал и не знаешь, как себя продать

Мы всё разложим по шагам.
С нами — уже десятки учеников, которые зарабатывают с нуля. Теперь твоя очередь.

🎁 Всем участникам: подборка бирж с заказами.

📅 Старт уже 22 апреля.
Регистрация не требуется, интенсив пройдёт в телеграм канале: https://t.me/+csDGdG4LdaowYzcy
Подробности в закрепленном сообщении.

Реклама, erid: 2W5zFJ8zY3z
ООО «Рилу», ИНН 5032204380

Создаем собственный комикс или мангу при помощи ChatGPT

Думаю, игрушками и анимешными артами в ChatGPT никого уже не удивить.

А что насчет того, как при помощи ChatGPT делать графические новеллы , комиксы или мангу по вашему тексту, будь то рассказ, книга или сценарий.

В целом, все достаточно просто:

- Закидываем ваш текст в ChatGPT и просим сделать раскадровку по страница и сценам нашего комикса.

- Затем, приступаем к генерации страниц. Один арт - одна страница, тут как раз можем либо описать внешность персонажей, либо прикрепить вложением какой-то визуальный референс (фото, другой арт и так далее).

- Продолжаем создавать страницу за страницей. В целом, модель запоминает внешность главных героев, если сделать на этом акцент, но она все равно может немного "плавать", поэтому полезно закидывать в промпт первую страницу, указав что именно такой внешности и нужно придерживаться.
- Если вы работаете с большим текстом, дробите на главы, части и так далее.

Как то так, если кратко. При наличии интереса к этой теме, могу сделать более подробный обзор.

Теперь по тонкостям:

- Генерация английского текста работает отлично, как видите, артефактов не так уж много. С русским, пока что, все сильно хуже, реплики он нормально не сможет сгенерировать. Если что, реплики вам переводить не нужно, с этим отлично справится сам ChatGPT, просто укажите это в вашем запросе.
- Чем проще рисовка и визуал, тем лучше сохраняется внешность персонажей. Но в целом, иногда помогает пересоздать чтобы добиться большей схожести.

За пример была взята первая глава моей книги, если вам интересно сравнить первоисточник с получившимся результатом, то можете как раз прочесть ее онлайн.

🧠 GPT-o3 и o4-mini: Новейшие модели OpenAI для продвинутых рассуждений

📊Общие характеристики

GPT-o3:
- Самая мощная модель OpenAI для сложных рассуждений
- Превосходит все предыдущие модели компании в областях программирования, математики, науки и визуального восприятия
- Полный доступ ко всем инструментам ChatGPT (веб-поиск, Python, анализ файлов и изображений, генерация изображений)
- Устанавливает новые рекорды в бенчмарках SWE-bench, Codeforces и MMMU

GPT-o4-mini:
- Меньшая модель, оптимизированная для быстрого и экономичного рассуждения
- Превосходная производительность для своего размера и стоимости
- Особенно сильна в задачах математики, программирования и обработки изображений
- Устанавливает новый рекорд для AIME 2024 и 2025

⚙️Технические данные

GPT-o3:
- Цена API: $10 за миллион входных токенов, $40 за миллион выходных токенов
- Результат в SWE-bench Verified: 69.1% (без специального скаффолдинга)
- Производительность в кодинге на ~20% выше предыдущих моделей
- Превосходит o1 на сложных реальных задачах с уменьшением серьезных ошибок на 20%

GPT-o4-mini:
- Цена API: $1.10 за миллион входных токенов, $4.40 за миллион выходных токенов (аналогично o3-mini)
- Результат в SWE-bench Verified: 68.1%
- Значительно более высокие лимиты использования, чем у o3
- В несколько раз экономичнее o3 при сравнимом качестве на многих задачах

🔍Ключевые возможности

"Мышление с изображениями":
- Оба могут интегрировать изображения непосредственно в процесс рассуждения
- Анализируют загруженные фото, скриншоты, чертежи и схемы
- Работают с изображениями низкого качества, размытыми или перевернутыми
- Могут манипулировать изображениями в ходе рассуждения (поворот, масштабирование)

Улучшенное следование инструкциям:
- Более точное выполнение сложных многоступенчатых задач
- Используют разнообразные инструменты в процессе рассуждения
- Реагируют и адаптируются к новой информации в ходе решения задач

📈Результаты тестов

Математические способности:
- o3: Значительно улучшенная производительность в сложных математических задачах
- o4-mini: Новый рекорд для задач AIME 2024/2025

Программирование:
- Тесты LiveBench: o4-mini показывает результаты на уровне 85-90% от o3 при значительно меньшей стоимости
- Решение реальных задач на GitHub (SWE-bench): o3 - 71%, o4-mini - 68% (предыдущие модели: o3-mini - 49%)
- Codeforces: o3 демонстрирует рекордные показатели среди всех моделей OpenAI

Многоязычность:
- o3 улучшает многоязычные возможности по сравнению с o1
- o4-mini превосходит o3-mini во всех 14 тестированных языках
- Средний результат MMLU в переводе: o3 - 88.8%, o4-mini - 85.2%

⚠️Ограничения

- Модель o4-mini склонна к большему количеству галлюцинаций по сравнению с o3 и o1
- o3 имеет высокую стоимость использования, что может ограничивать повседневное применение
- Оба инструмента демонстрируют некоторые проблемы в сложных многоступенчатых задачах

🚀Доступность

- Доступны для подписчиков ChatGPT Plus, Pro, и Team уже сейчас
- Enterprise и Edu пользователи получат доступ в течение недели
- API-доступ открыт для разработчиков (может потребоваться верификация организации)
- Для бесплатных пользователей: ограниченный доступ к o4-mini через опцию "Think" в интерфейсе

OpenAI запускает социальную сеть: что известно

Компания OpenAI, создатель ChatGPT, разрабатывает собственную социальную платформу. Информацию подтвердило издание The Verge, ссылаясь на несколько надежных источников.

Что уже сделано

🟡Разработан внутренний прототип
🟡 Реализована лента с AI-изображениями
🟡Руководство тестирует концепцию

Проект находится на ранней стадии, но CEO Сэм Альтман уже консультируется с экспертами отрасли о перспективах платформы.

Стратегические цели OpenAI

1. Получение массива пользовательских данных в реальном времени
2. Создание экосистемы для обучения собственных моделей
3. Конкуренция с X (бывший Twitter) и платформами Meta

Интересно вспомнить недавний обмен репликами между Илоном Маском и Альтманом. На предложение Маска о покупке OpenAI за $97 миллиардов, Альтман ответил, что предпочел бы купить X за $9,7 миллиардов. Теперь становится понятно, что это был не просто остроумный ответ.

Остается открытым вопрос: станет ли новая платформа самостоятельным приложением или будет интегрирована в существующий ChatGPT, который, кстати, стал самым скачиваемым приложением в мире в марте 2025 года.

Вышел Grok Studio: новый инструмент от xAI для создания документов, кода и игр

Что такое Grok Studio?

Grok Studio — это совместное рабочее пространство с ИИ для создания разных типов контента. Грок позволяет открывать созданный контент в отдельном окне, что значительно улучшает процесс совместной работы. Официальный аккаунт Grok в X (бывший Twitter) описывает новую функцию так:
"Сегодня мы выпускаем первую версию Grok Studio, добавляя выполнение кода и поддержку Google Drive. Grok теперь может генерировать документы, код, отчеты и браузерные игры. Grok Studio откроет ваш контент в отдельном окне, позволяя вам и Grok совместно работать над содержимым."

Ключевые возможности Grok Studio

🟡Разнообразное создание контента

- Генерация документов и отчетов: можно создавать структурированные документы или аналитические отчеты через естественно-языковые инструкции.

- Написание и выполнение кода: поддержка языков программирования, включая Python, C++, JavaScript, TypeScript и bash-скрипты, с возможностью просмотра результатов в реальном времени.

- Разработка браузерных игр: можно создавать простые браузерные игры через промпты, с автоматической генерацией JavaScript-кода и играбельными демо-версиями.

🟡Интеграция с Google Drive
Grok теперь может напрямую работать с файлами в Google Drive, включая документы, таблицы и презентации. Это значительно улучшает рабочий процесс, позволяя пользователям анализировать и модифицировать существующие файлы.

🟡Совместная работа в реальном времени
Предоставляет окно для совместной работы в реальном времени, подобное Google Docs, что делает его идеальным для удаленных команд или образовательных сценариев.

🟡Предварительный просмотр кода
Grok Studio позволяет просматривать HTML-сниппеты и запускать код прямо в браузере, что особенно полезно для быстрого прототипирования и отладки.

Доступность Grok Studio

В отличие от Canvas от ChatGPT, который доступен только платным пользователям, Grok Studio доступен всем пользователям бесплатно. Это значительное преимущество, которое делает инструмент более доступным для широкой аудитории.

Существуют, однако, различия между бесплатным и платным доступом:
- Бесплатные пользователи: имеют доступ к базовым функциям, включая ограниченную генерацию кода и обработку документов.
- Платные пользователи (X Premium+ за $40/месяц или SuperGrok за $30/месяц): получают более высокие квоты генерации, приоритетный доступ и дополнительные функции, такие как DeepSearch и режим Think Mode.

Технологические особенности

Функция предварительного просмотра в реальном времени является одним из ключевых преимуществ Grok Studio. Независимо от того, генерируете ли вы веб-страницу, визуализацию данных или игру, вы можете мгновенно видеть результаты выполнения кода, что значительно сокращает время отладки.

По данным AIbase, эта функция использует преимущества оптимизации обучения с подкреплением Grok-3 и поддержки вычислительного кластера Colossus, делая скорость вывода на 30% быстрее, чем у Grok-2.

Сравнение с конкурентами

Grok — не первый чат-бот, получивший специальное рабочее пространство для работы с проектами:
- OpenAI запустила аналогичную функцию Canvas для ChatGPT в октябре прошлого года
- Anthropic стал одним из первых, кто представил подобный инструмент под названием Artifacts для своего чат-бота Claude

Однако, Grok Studio выделяется своей многофункциональностью и доступностью для всех пользователей без необходимости платной подписки, что является существенным преимуществом перед ChatGPT Canvas.

Перспективы и ограничения

Несмотря на мощный функционал и все преимущество грока, код для сложных игр может требовать ручной оптимизации, и также есть незначительные ограничения.

Компания xAI заявляет, что Grok Studio продолжит развиваться, планируя добавить мультимодальную поддержку (такую как генерация видео), расширенную языковую поддержку и API для корпоративных нужд.

Поробовать можно на официальном сайте https://grok.com/ , через платформу X или через мобильное приложение Grok (IOS , Android)

Windsurf пишут у себя на сайте, что с 14 по 21 апреля они открывают безлимитный бесплатный доступ к GPT-4.1

Хорошая возможность потестповать самим.

В Cursor тоже добавили поддержку 4.1, и тоже пока бесплатно, но как долго - не ясно.

Кстати, в веб версии и в приложении доступа к моделям нет.

OpenAI запускает GPT-4.1: новое поколение AI-моделей

OpenAI представила новое семейство моделей искусственного интеллекта — GPT-4.1, которые станут преемниками мультимодальной модели GPT-4o, запущенной в прошлом году. Во время прямой трансляции в понедельник компания объявила, что GPT-4.1 имеет значительно увеличенное контекстное окно и превосходит GPT-4o практически по всем параметрам, с особенно заметными улучшениями в программировании и следовании инструкциям. Модели тестировались под кодовыми названиями Quasar и Optimus.

Семейство новых моделей

GPT-4.1 — флагманская модель для сложных задач
GPT-4.1 Mini — более доступная для разработчиков версия
GPT-4.1 Nano — самая легкая, быстрая и дешевая модель OpenAI

Ключевые усовершенствования:

🟡Огромное контекстное окно
Все три модели могут обрабатывать до 1 миллиона токенов контекста (текст, изображения или видео). Это значительно больше, чем предел в 128 000 токенов у GPT-4o. Для сравнения, 1 миллион токенов — это более 8 полных копий всей кодовой базы React.
🟡Улучшенное программирование
GPT-4.1 набирает 54,6% в бенчмарке SWE-bench Verified, что на 21,4% лучше, чем GPT-4o, и на 26,6% лучше, чем GPT-4.5, что делает её ведущей моделью для задач программирования. GPT-4.1 лучше справляется с фронтенд-разработкой, форматированием кода и гораздо реже допускает ненужные изменения в коде.
🟡Лучшее следование инструкциям
В бенчмарке MultiChallenge (Scale) GPT-4.1 набирает 38,3%, что на 10,5% лучше, чем GPT-4o. Модель значительно точнее следует инструкциям в различных категориях, включая соблюдение форматов, негативные инструкции, упорядоченные действия и т.д.
🟡Улучшенное понимание длинного контекста
GPT-4.1 демонстрирует новый рекорд в обработке длинного мультимодального контекста, набирая 72,0% в категории "длинное без субтитров" в бенчмарке Video-MME, что на 6,7% лучше, чем GPT-4o.
🟡Сильное понимание изображений
Семейство GPT-4.1 показывает исключительные результаты в понимании изображений, причем GPT-4.1 Mini часто превосходит GPT-4o в бенчмарках по обработке изображений.
🟡Технические характеристики и производительность
OpenAI подчеркивает, что модели GPT-4.1 были оптимизированы не только для хороших показателей в бенчмарках, но и для реального практического применения.

Параметры моделей и цены
Стоимость использования новых моделей (за 1 млн токенов):

GPT-4.1 - входные токены ($2), Кэшированные входные ($0.50), Выходные токены ($8.00), Смешанная цена ($1.84)
GPT-4.1 Mini - входные токены ($0,40), Кэшированные входные ($0.10), Выходные токены ($1,60), Смешанная цена ($0,42)
GPT-4.1 Nano - входные токены ($0,10), Кэшированные входные ($0,025), Выходные токены ($0,40), Смешанная цена ($0,12)

Быстродействие
В первоначальном тестировании p95-задержка до первого токена для GPT-4.1 составляет примерно 15 секунд при контексте в 128 000 токенов и до 30 секунд при контексте в миллион токенов. GPT-4.1 Mini и Nano работают быстрее, например, GPT-4.1 Nano чаще всего возвращает первый токен менее чем за 5 секунд для запросов со 128 000 входных токенов.

Результаты бенчмарков и реальное применение:

Академические знания: GPT-4.1 достигает 90,2% в MMLU и 66,3% в GPQA Diamond
Программирование: 54,6% в SWE-bench Verified и 52,9% в Aiders polyglot diff
Следование инструкциям: 87,4% в IFEval и 49,1% во внутреннем тесте OpenAI
Обработка изображений: 74,8% в MMMU и 72,2% в MathVista

Доступность и переход

GPT-4.1 будет доступна только через API. В ChatGPT многие улучшения в следовании инструкциям, программировании и интеллекте уже были постепенно включены в последнюю версию GPT-4o, и OpenAI продолжит включать их в будущие релизы.

OpenAI также планирует прекратить поддержку двухлетней модели GPT-4 в ChatGPT 30 апреля, объявив в журнале изменений, что недавние обновления GPT-4o делают её естественным преемником. Кроме того, компания планирует отказаться от предварительной версии GPT-4.5 в API 14 июля, поскольку GPT-4.1 предлагает улучшенную или аналогичную производительность по многим ключевым возможностям при гораздо более низкой стоимости и задержке.

✨Попробовать в плейграунде
🖥Оф сайт

1000+ практиков нейросетей соберутся онлайн 19 апреля

«Уральский промпт» — второе мероприятие про нейросети от ребят, которые делают ивенты в сферах маркетинга, мероприятий и онлайн-образования более 10 лет. Цена более чем лояльная — начинается от 4 900 рублей.

💻 Конференция проходит онлайн — участвуйте из любой точки мира и получите доступ ко всем докладам и материалам

Среди тем докладов:
— как делать крутой нейроконтент без нервных срывов, завышенных ожиданий и бессмысленных затрат
— человек vs нейросеть: кто лучше понимает пользователей?
— как связать нейронки и Google Таблицы и автоматизировать рутинные задачи по щелчку.

А ещё будут доклады о том, как использовать нейросети в маркетинге, юридической практике и продуктовых исследованиях.

Хотите убедиться в качестве информации, которая звучит на конференциях? Смотрите три бесплатных доклада по автоматизации работы агентства, создании клипов и экономии 20 часов в неделю в работе маркетолога.

🔥 Забирайте бесплатные доклады в боте

Судья в Нью-Йорке не позволила AI-аватару выступить в апелляционном суде

В Верховном суде апелляционной инстанции Нью-Йорка произошел необычный инцидент, когда основатель стартапа Pro Se Pro Джером Девальд попытался использовать AI-аватар для представления своих аргументов. Судья Салли Мансанет-Дэниэлс немедленно прервала эту попытку.

26 марта во время слушаний по трудовому спору со страховой компанией MassMutual Metro New York Девальд запросил разрешение продемонстрировать видео, где виртуальный оратор (как описали - "статный мужчина в V-образном свитере") зачитывал подготовленный текст. Аватар успел произнести только начало речи:
"Прошу внимания суда, я скромно предстаю перед почтенной коллегией судей...",
- когда судья остановила запись.

"Вам следовало сообщить об этом заранее. Вы ранее выступали устно и общались с сотрудниками суда. Не стоит использовать зал суда для продвижения вашего бизнеса"
- отреагировала судья Мансанет-Дэниэлс.

Причины использования AI-аватара

Девальд объяснил свое решение последствиями рака горла, диагностированного 25 лет назад, из-за которого ему сложно выступать длительное время. Он использовал сервис Tavus для создания цифрового аватара, но из-за ограничений тарифа и технических проблем не успел сгенерировать собственное изображение и выбрал шаблонного персонажа по имени "Джим".

После личного выступления Девальда отношение судьи смягчилось, однако инцидент поднял важные вопросы о допустимости использования искусственного интеллекта в судопроизводстве.

Про стартап Pro Se Pro

Стартап Девальда был создан для помощи непрофессиональным участникам судебных процессов. Его основной инструмент — "сценарный анализатор" на базе ChatGPT-3.5, но за год он устарел из-за быстрого развития технологий "агентного ИИ". Проект также столкнулся с проблемами финансирования.

Девальд сослался на рекомендации Американской ассоциации юристов (ABA), согласно которым использование ИИ требует предварительного раскрытия информации сторонам и суду. Он признал свою ошибку: "Я извинился перед судом за недостаточную прозрачность".

Основатель стартапа также упомянул эксперименты судов Аризоны с цифровыми аватарами для резюмирования решений, подчеркнув потенциал таких технологий в поддержке граждан без юридического представительства.

"Технологии способны дать голос тем, кто иначе остаётся неуслышанным"
— заключил Девальд, признавая, что поиск баланса между инновациями и традициями остаётся сложным вызовом для современной правовой системы.

Источник: ixbt.com

Нейро дайджест за неделю

🧠Модели:

🟡A-Vibe - языковая модель от Авито, по сути своей SFT* над Qwen 2.5. На релизе обошла модели GPT-4o mini, Gemma 3 27B, Claude 3.5 Haiku, Mistral Large и другие небольшие нейросети по бенчу MERA. Создана на базе Qwen 2,5 на 7B. Датсет > 10TB.

🟡Adobe Agent - Adobe анонсировала разработку "творческих агентов" на базе искусственного интеллекта для Photoshop и Premiere Pro, которые будут анализировать контент и предлагать готовые решения по его редактированию. Подробнее в посте (ссылка в названии)

🟡Optimus Alpha - языковая модель cпециально оптимизированная для задач программирования и общих задач с большим размером контекстного окна в 1 миллион токенов. Препположительно около 44.7 миллиардов параметров. Обрабатывает до 26 миллиардов токенов в день. Встроенная поддержка текста, кода и визуального контента.

🟡KimiVL A3B - мультимодальная модель от Kimi Moonshot. Контекст до 128к. Обошла по бенчам (математика и визуал) gpt-4o. Есть 2 версии Reasoning и Instruct.

🟡Seed-Thinking-v1.5 - компактная reasoning MoE-модель от ByteDance.

🟡AlphaXiv - представил бесплатного ИИ-агента Deep Research. Генерирует конспекты, имеет доступ к большой базе данных и исследований.

🟡FireBase Studio - AI-конструктор приложений от Google прямо в браузере. Построен на базе популярного проекта Code OSS (форк Visual Studio Code). Полноценная виртуальная машина (VM), работающая на Google Cloud. Интегрированный Gemini в Firebase с глубоким пониманием контекста кодовой базы. Объединяет возможности Project IDX, Genkit и Gemini в Firebase в единое целое

🟡OpenAI - значительно улучшила память в ChatGPT. Автоматическое включение семантически-релевантных элементов из прошлых чатов. Расширенные возможности памяти работают с текстом, голосом и изображениями. Пользователи сохраняют полный контроль над тем, что ChatGPT запоминает. Раскатывается для Pro, скоро для Plus.



🧑‍💻Разработки/технологии/исследования/прочее:

🟡SPCT от DeepSeek - революционный метод для улучшения способностей рассуждения в моделях искусственного интеллекта. Новая техника названа Self-Principled Critique Tuning (SPCT), нацелена на создание более универсальных и масштабируемых моделей вознаграждения (reward models).

🟡 Управление роборукой силой мысли - Новое достижение в BCI! Парализованный человек смог управлять роботизированной рукой, используя сигналы мозга, благодаря специальному интерфейсу.

🟡Финансирование ИИ-инноваций в UK - Открыты новые гранты от Innovate UK для британских ИИ-проектов по программам BridgeAI и FOAK 2025. Шанс для стартапов.

🟡Anthropic штурмует Европу - Создатели Claude нанимают 100+ человек в EMEA, назначили нового главу и запустили тариф "Max Plan". Серьезные планы на регион.

🟡ЕС запускает "AI Continent Action Plan" - Еврокомиссия представила план по достижению лидерства в ИИ, включая создание единого рынка данных к 2025 году.

🟡$4.5M для ИИ-игры Tarta Labs - Стартап Tarta Labs привлек pre-seed раунд на создание Spot Zero – аниме-RPG на блокчейне с ИИ-элементами. Закрытая бета ожидается в апреле этого года.

Optimus Alpha

Это новая мощная языковая модель, представленная на платформе OpenRouter 10 апреля 2025 года. Специально оптимизированная для задач программирования и общих задач с большим размером контекстного окна в 1 миллион токенов.

Модель позиционируется как "скрытый релиз" (stealth model) высокопроизводительной языковой модели от неназванной лаборатории искусственного интеллекта. Ведутся активные дискуссии о том, что Optimus Alpha может быть новой моделью от OpenAI, возможно, это o4-mini, о которой были найдены упоминания в коде ChatGPT.

Технические характеристики:
🟡Размер контекстного окна: 1 миллион токенов (значительно превышает 128K у стандартных моделей OpenAI)
🟡Оценочный размер модели: Предположительно около 44.7 миллиардов параметров
🟡Производительность: Обрабатывает до 26 миллиардов токенов в день
🟡Латентность: 587 мс (согласно метрикам OpenRouter)
🟡Мультимодальные возможности: Встроенная поддержка текста, кода и визуального контента

Результаты тестов и бенчмарков:

1. Aider Polyglot Benchmark: результат 53%, что ставит её в один ряд с такими моделями как O3-mini-medium и Grok 3. Этот тест оценивает как модель работает с кодом на разных языках проги

2. Creative Writing v3: 1320.8 ELO, превосходя Google Gemini 2.5 Pro в творческом контенте.

3. SQL Generation: Средний балл 0.830 с точностью 80%, показывает особую силу в формулировании запросов к базам данных.

4. Тесты на генерацию кода: Оценки указывают на производительность на уровне или выше Claude 3.7 Sonnet и конкуренцию с GPT-4o в задачах программирования.

Практические особенности и преимущества

1. Молниеносная генерация кода: код появляется "мгновенно", а не постепенно, как в большинстве других моделей.

2. Чистый код: Почти нету ошибок в коде (по крайней мере у меня) и у пользователей с которыми я общался

3. Координация между файлами: может поддерживать согласованность в сложных проектах с несколькими взаимосвязанными компонентами.

4. Понимание эстетики дизайна: хорошее понимание принципов визуального дизайна, проявляется в генерируемом UI-коде.

Практические примеры возможностей

В тестах модель продемонстрировала:

🟡Полнофункциональную игру "Змейка" с одной попытки, включая:

- Пользовательский градиент для тела змеи
- Более темную зеленую голову для визуального различия
- Чистое, интуитивно понятное управление
- Функциональную игровую механику

🟡Веб-приложения с полной функциональностью, включая интерактивные элементы, анимации и эстетически приятный пользовательский интерфейс.

Интеграция с инструментами разработки

Cursor: AI-ориентированный редактор кода, который предлагает наиболее полноценную интеграцию с Optimus Alpha, объединяя знакомый опыт VSCode с интегрированной AI-помощью.

VS Code Plugin: Прямая интеграция для вызова AI-ассистента при программировании и отладке непосредственно в IDE.

n8n Automation: Бесшовная интеграция с low-code платформами для оркестрации сложных рабочих процессов.

По сравнению с другими моделями на рынке:

vs OpenAI GPT-4o: Optimus Alpha предлагает больший контекст (1 млн против 128K токенов) и, по некоторым тестам, сравнимое или лучшее качество генерации кода.

vs Claude 3.7 Sonnet: Показывает сопоставимые результаты в технических задачах, иногда превосходя Claude в скорости генерации кода.

vs Quasar Alpha: Рассматриваются как дополняющие друг друга мощные AI-инструменты с разными специализациями.

Погонять модель беплатно можно тут - https://www.optimus-alpha.org/chat

Adobe представила AI-агентов для Photoshop и Premiere Pro

Adobe анонсировала разработку "творческих агентов" на базе искусственного интеллекта для Photoshop и Premiere Pro, которые будут анализировать контент и предлагать готовые решения по его редактированию.

Ключевые особенности:

🟡В Photoshop появится новая плавающая панель Actions, которая будет рекомендовать контекстно-зависимые правки на основе анализа фотографии
🟡Пользователи смогут отдавать команды агенту на естественном языке, например "удали людей с заднего плана" или "создай эффект глубины резкости"
🟡Агент сам выполнит все необходимые действия — от создания и организации слоев до применения фильтров и масок
🟡Каждый шаг редактирования будет прозрачным, что позволит пользователям обучаться сложным техникам обработки
🟡В Premiere Pro агент будет основан на новой функции Media Intelligence, представленной на прошлой неделе
🟡AI-помощник сможет создавать черновые версии монтажа, помогать с выбором кадров, цветокоррекцией и микшированием звука

Технология первого AI-агента для Photoshop будет официально представлена 24 апреля на мероприятии Adobe Max в Лондоне.

Так, это не новая модель – в ChatGPT улучшили работу памяти, теперь она учитывает все предыдущие чаты для более персонализированных ответов

– Пользователи могут в любой момент отказаться от использования прошлых чатов или отключить функцию памяти

– Во временных чатах память отключена

– В ЕС недоступно

Короче, как по мне, Сэм мог бы и подольше поспать сегодня

Так, OpenAI сегодня что-то покажет – что-то такое, от чего Сэм просыпается ночью 😁

DeepSeek представила новую технологию обучения reasoning-моделей: Self-Principled Critique Tuning

Что произошло

Китайская исследовательская лаборатория DeepSeek AI, представила революционный метод для улучшения способностей рассуждения в моделях искусственного интеллекта. Новая техника названа Self-Principled Critique Tuning (SPCT), нацелена на создание более универсальных и масштабируемых моделей вознаграждения (reward models).

В чем суть новой технологии

SPCT объединяет два подхода для улучшения процесса "рассуждения" моделей:

1. Генеративное моделирование вознаграждения (GRM) - вместо выдачи простой оценки, модель генерирует текстовые критические замечания, которые затем преобразуются в оценки
2. Самопринципиальная настройка критики (SPCT) - модель учится самостоятельно формулировать принципы оценки и критерии на основе запроса и ответов

Исследователи DeepSeek выявили четыре ключевые проблемы при создании универсальных моделей вознаграждения:

- Гибкость ввода: Модель должна обрабатывать различные типы входных данных и оценивать один или несколько ответов одновременно
- Точность: Необходимо генерировать точные сигналы вознаграждения в разных областях, где критерии сложны, а "правильный ответ" часто недоступен
- Масштабируемость во время вывода: Модель должна выдавать более качественные результаты при выделении большего количества вычислительных ресурсов
- Обучение масштабируемому поведению: Для эффективного масштабирования моделям нужно усваивать поведение, позволяющее улучшать производительность при увеличении вычислений

Как работает SPCT

Технология включает два основных этапа:

1. Отбраковочная тонкая настройка: На этом этапе модель обучается генерировать принципы и критические замечания в правильном формате. Примеры принимаются только если предсказанное вознаграждение соответствует эталону.

2. RL на основе правил: Модель дополнительно настраивается через обучение с подкреплением. Сигналы вознаграждения рассчитываются на основе простых правил точности.

Для решения проблемы масштабируемости во время вывода исследователи запускают модель несколько раз для одного и того же запроса, генерируя разные наборы принципов и критических замечаний. Окончательная оценка определяется голосованием (агрегацией оценок отдельных выполнений).

Дополнительно была введена мета-модель вознаграждения — отдельная, легковесная модель, обученная специально предсказывать, приведет ли принцип/критика, сгенерированные основной моделью, к правильной итоговой оценке. Она фильтрует низкокачественные суждения перед финальным голосованием.

Практическое применение

Исследователи применили SPCT к модели Gemma-2-27B от Google, создав DeepSeek-GRM-27B. Они протестировали её против нескольких сильных базовых моделей вознаграждения и публичных моделей (включая GPT-4o и Nemotron-4-340B-Reward) на нескольких тестах.

Результаты показали, что:
- DeepSeek-GRM-27B превзошла базовые методы, обученные на тех же данных
- При увеличении числа выполнений на этапе вывода производительность DeepSeek-GRM-27B значительно возрастала, превосходя даже гораздо более крупные модели
- Метамодель дополнительно улучшила масштабирование, достигая лучших результатов путем фильтрации суждений

*комментарий к изобретению в посте
Производительность DeepSeek-GRM (обученной с SPCT) продолжает улучшаться с масштабированием времени вывода.

Влияние на будущие модели

Эта технология имеет важное значение для развития моделей рассуждения. Благодаря ей можно создавать более универсальные AI-системы, способные:

- Адаптироваться к динамически меняющимся условиям
- Лучше работать с творческими задачами и заданиями без четких критериев оценки
- Улучшать свою производительность при выделении дополнительных ресурсов

Что дальше

Хотя компания официально не комментировала сроки выпуска R2 (по слухам в мае 2025), новая технология SPCT, вероятно, будет играть важную роль в архитектуре этой модели, потенциально позволяя ей превзойти текущие стандарты в области моделей рассуждения.

🛒Нейросеть от Авито лидирует среди облегченных моделей по MERA

По моему мнению, A-Vibe по сути своей SFT* над Qwen 2.5 . Ну и думаю стоит отметить, что MERA - это российский бенчмарк😊 Ну а теперь к основной информации.

A-Vibe обошла модели GPT-4o mini, Gemma 3 27B, Claude 3.5 Haiku, Mistral Large и другие небольшие нейросети. Тестирование проводилось по многим параметрам и включало в себя как базовое понимание текста, так и продвинутые лингвистические задачи, требующие глубокой работы с контекстом.

🟡Генерация кода: на 25% лучше Gemini 1.5;
🟡Ведение диалога: на 32% точнее Llama 3.1;
🟡Анализ смысла текста: на 23% точнее Claude 3.5 Haiku.

A-Vibe способна одновременно обрабатывать до 32 000 токенов.

⚙️По характеристикам:

🟡На базе Qwen 2.5 (7 млрд параметров)
🟡Датасет более 10 ТБ (данные «Авито» + открытые источники)
🟡Русскоязычный токенизатор для лучшего понимания текста

В конце марта «Авито» объявил об инвестициях 12 млрд рублей в генеративный искусственный интеллект до 2028 года. Компания также ожидает получить 21 млрд рублей выручки от использования нейросетей.

Также Авито рассматривают возможность сделать модель open source.

*Supervised fine-tuning (SFT) — это методика, используемая для адаптации предварительно обученных LLM под конкретные узкие задачи при помощи размеченных данных

Нейро дайджест за неделю

🧠Модели:

🟡VisoMaster AMD/Intel GPU Edition | Portable by Neurogen - мощная и простая в использовании программа для замены лиц (DeepFake) и редактирования видео, которая объединяет современные нейросетевые технологии для создания реалистичных эффектов. Программа разработана для работы с изображениями и видео.

🟡Neurogen Artbot [UPDATE] - добавлены бесплатное клонирование бота, обновлен интерфейс и улучшен функционал.

🟡Qwen 3 - выйдет на неделе. Релиз произойдет до Llama Con (29апреля), Также должны выкатить компактную/мобильную модель.

🟡Midjourney V7-alpha - Новая модель доступна в альфа тестировании. Заявляют что она быстрее своего предка V6 в 10 раз, а также в новой версии было сильно улучшено понимание промптов и качество изображений. Подробнее в посте

🟡Llama-4 - новая модель с огромным контекстом, вышла в 3 версиях. Llama 4 Scout 109B. Llama 4 Maverick 400B. Llama 4 Behemoth на 2T. Подробнее в посте по ссылке в названии.

🟡GitHub Copilot [UPDATE] - обновление в честь 50-летия microsoft. Крупное обновление в котором они встроили свой копилот в VS Code. Создали для копилота Agent Mode который будет помогать вам полностью по ходу написания кода и направлять вас. Добавили поддержку MCP и много другого. Можно почитать в посте по названию.

🟡Китайский стартап Zhipu AI выпустил бесплатного ИИ-агента способного выполнять различные задачи, включая генерацию текста и помощь в программировании. Этот шаг направлен на повышение доступности инструментов искусственного интеллекта для широкой аудитории.

🧑‍💻Разработки и технологии:

🟡OpenAI пообещала выпустить открытую рассуждающую ИИ-модель в ближайшие месяцы. В ближайшие месяцы» OpenAI намерена выпустить открытую большую языковую модель искусственного интеллекта.

🟡Lightmatter представила фотонную технологию для ускорения ИИ-чипов: Стартап из Маунтин-Вью, Калифорния, разработал оптические соединения и кремниевую фотонику для передачи информации с помощью света, что значительно повышает скорость работы ИИ-приложений. Компания представила интерпозер и чиплет, которые будут доступны в 2025 и 2026 годах соответственно. ​

🟡Китайские технологические гиганты инвестируют в GPU NVIDIA H20: Компании ByteDance, Alibaba Group и Tencent совместно разместили заказы на сумму 16 миллиардов долларов на GPU NVIDIA H20, стремясь развивать ИИ-экосистему в Китае с учетом экспортных ограничений США.

🔗Коллаборации:

🟡Сотрудничество CMA CGM и Mistral AI: Французский судоходный гигант CMA CGM объявил о пятилетнем партнерстве с французским стартапом Mistral AI на сумму 100 миллионов евро. Целью сотрудничества является улучшение обслуживания клиентов в сфере судоходства и логистики, а также внедрение технологий фактчекинга в медиа-активах CMA CGM, таких как BFM TV.

Microsoft обновила GitHub Copilot

В честь 50-летия Microsoft разработчики Copilot выпустили масштабное обновление. Теперь GitHub Copilot поддерживает режим нейросетевого агента для редактора VS Code и интеграцию с любыми другими приложениями через MCP. Также команда проекта добавила новые языковые модели от Anthropic, Google и OpenAI.

Что нового?

🟡Copilot в VS Code

GitHub представил Agent Mode для Copilot, по сути, теперь это ваш напарник, который будет вам помогать полностью работать над текстом, помимо создания кода он еще может:

- Анализировать ошибки во время выполнения без ручного копирования из терминала

- Определять файлы, требующие изменений, и автоматически добавлять их в контекст

- Предлагать команды для терминала

- Вносить изменения и многократно перезапускать приложение для отладки

Функция доступна в инсайдерской версии VS Code (v1.98)
Чтобы активировать, убедитесь, что включена соответствующая настройка в Copilot Chat

🟥GitHub Copilot: agent mode now available

🟡 Поддержка MCP

Команда GitHub Copilot добавила поддержку протокола MCP (Model Context Protocol), позволяя разработчикам интегрировать дополнительные инструменты и функции в чат-бота. Например, если вы используете софт без поддержки Copilot, с помощью MCP можно обучить нейросеть работать с этим приложением. GitHub также опубликовал GitHub MCP Server для упрощения создания интеграций.​

🟥GitHub Copilot now with MCP support


Также в честь юбилея они обновили своего чат-бота:

🟡Memory. Чат-бот теперь может запоминать предпочтения пользователя и учитывать их во время генерации ответа. В настройках можно управлять данными, которые нейросеть должна помнить. Также можно отключить память.

🟡Actions. Нейропомощника научили выполнять действия от лица пользователя. Например, его можно попросить заказать цветы на определённый адрес или забронировать столик в ресторане на вечер. Чат-бот всё сделает самостоятельно и вернётся с отчётом.

🟡Copilot Vision. В приложении Copilot для Windows появилась возможность показать экран чат-боту. Так он сможет анализировать информацию на экране и генерировать более подходящие ответы.

🟡Pages. Добавили функцию, которая собирает все заметки, изображения и файлы, собранные по одной теме, и организует их на холсте. Чат-бот распределяет их не случайным образом, а анализирует информацию и группирует данные.

🟡Podcasts. На основе статей и документов теперь можно генерировать подкасты. Команда проекта отмечает, что для многих это один из самых удобных способов получения новой информации.

🟡Shopping. Нейроассистента научили сравнивать цены на товары, искать самые выгодные предложения и предупреждать о грядущих скидках.

🟡Deep Research. Появилась опция, которая погуглит за пользователя любую тему и составит сводку с результатами исследования.

⁉️Как использовать

Так как, находясь в России, свободно установить Copilot в VS у вас не получиться, можно использовать постоянно впн и с ним работать, но так как это ужасно неудобно я нашел альтернативный способ через DNS.

Тут можно посмотреть как его настроить - https://www.comss.ru/page.php?id=15314

В настройках гитхаба с включенным впн активируем бесплатный доступ. Потом в vs code устанавливаем плагин copilot.

⚡️ Вышла Llama-4 с огромным контекстом

Релизнули в трех весах: Llama 4 Scout на 109B, Llama 4 Maverick на 400B и Llama 4 Behemoth на 2T (да-да, в триллионах).

– Llama 4 Scout. Контекст 10M токенов (вау!), MoE на 16 экспертов, 17B активных параметров. Запускается на одной GPU. Уровень Gemini 2.0 Flash Lite.

– Llama 4 Maverick. Контекст поменьше, 1M. 128 экспертов по 17B активных параметров. Примерно на уровне GPT-4o.

Обе модели выше мультимодальные (на вход принимают до 5 изображений) и поддерживают много языков. Знания – по август 2024. Веса

– Llama 4 Behemoth. Модель невероятных размеров. 16 экспертов по 288B активных параметров. Уровень GPT-4.5 и Claude Sonnet 3.7. Весов пока нет, модель в превью и все еще обучается.

Блог | Попробовать

https://imgur.com/a/GJZraSX - неплохие генерации v7

Midjourney V7-alpha

Новая модель доступна в альфа тестировании. Заявляют что она быстрее своего предка V6 в 10 раз, а также в новой версии было сильно улучшено понимание промптов и качество изображений.

Changelog:
🟡Пропали ограничения на создание изображений с реальными людьми и героями фильмов.
🟡Draft Mode - по сути ваш ИИ черновик с голосовым вводом. Генерации в нем стоят в два раза дешевле, а качество сильно не теряется, при этом скорость генерации намного выше. В режиме Draft можно, наоборот, удалять лишние детали, дополнять промт уточнениями. Например, если нужно поменять цвет одежды, или что-то «усилить»: сделать человека еще счастливее, пиццу еще «сырнее», дом еще больше.
🟡Персонализация - перед началом работы вас попросят оценить 200 изображений, чтобы понять какой стиль изображений вам больше нравится. На выходе вы получите персонализированную под себя модель и доп часы генераций.
🟡 Поддержка двух режимов скоростей. Midjourney V7 поддерживает режим работы Turbo и Relax. В первом картинки генерируются в 10 раз быстрее, но стоят в 2 раза дороже. Режим Relax в 2 раза дешевле и нужен лишь тогда, когда пользователю необходима картинка не срочно.

Обещают в ближайшие 2 месяца выкатить много нового функционала. Одной из функций станет создание персонажей и объектов.

От себя добавлю очень реалистичная генерация рук. Попробовать бесплатно к сожалению нельзя, но сейчас подписка самая дешевая 8$ стоит.

🎆 Обновление Neurogen Artbot

Neurogen Artbot - это бесплатный бот для генерации изображений, также включает в себя возможность клонирования своего функционала в ваших ботов.

Бот понимает промпты на русском языке, а также имеет поддержку работы с чатботами

Changelog

🟡🔥Бесплатные клоны бота - Больше нету платных клонов бота. Каждый пользователь имеет возможность создать до 3 бесплатных клонов ничем не отличающихся по функционалу.

При клонировании телеграмм бота вы привязываете собственный тг аккаунт и пользователь уже клонированного бота должен будет подписаться только на ваш телеграм-канал чтобы использовать вашего бота

🟡Обновленный интерфейс - Теперь в чате с ботом появились кнопки, за счет чего можно пользоваться интерфейсом без использования лишних команд.

🟡Лимит - 50 изображений в сутки, при выдаче изображения бот к изображению также отправляет текущий лимит по генерациям и информацию по изображению.

OpenAI пообещала выпустить открытую рассуждающую ИИ-модель в ближайшие месяцы

«В ближайшие месяцы» OpenAI намерена выпустить открытую большую языковую модель искусственного интеллекта — она станет первой со времён GPT-2. Об этом говорится на специальной странице на сайте компании; здесь же размещена форма, которую предлагается заполнить «разработчикам, исследователям и всему сообществу».

Новая открытая модель будет поддерживать функцию рассуждений. Компания проведёт все стандартные проверки, как перед выпуском коммерческих моделей, и ряд дополнительных, учитывая, что после выпуска пользователи начнут её дорабатывать самостоятельно. Развёртывать её будут крупные компании и правительственные учреждения, считает Сэм Альтман.

«Мы рады сотрудничеству с разработчиками, исследователями и сообществом, чтобы собрать мнения и сделать эту модель максимально полезной. Если вы заинтересованы дать обратную связь команде OpenAI, сообщите нам об этом [через форму] ниже», — говорится на сайте OpenAI.

Уважаемые пользователи,

С радостью сообщаем о новом стратегическом партнёрстве между платформой NeuroIMG.art и ChatGPT.

Интеграция с ChatGPT расширяет возможности пользователей, позволяя создавать уникальные визуальные и текстовые материалы с помощью передовых технологий искусственного интеллекта. Теперь вы можете генерировать не только изображения, но и сопроводительные тексты, описания и другие элементы контента, используя возможности ChatGPT.

Это сотрудничество направлено на повышение эффективности и продуктивности творческих процессов, предоставляя пользователям инструменты для воплощения самых смелых идей. Мы уверены, что объединение технологий NeuroIMG.art и ChatGPT откроет новые горизонты в сфере цифрового творчества и контент-маркетинга.

Приглашаем вас опробовать новые возможности и поделиться своими впечатлениями. Ваши отзывы помогут нам сделать платформу ещё более удобной и функциональной.

С уважением,

Команда NeuroIMG.art

VisoMaster AMD/Intel GPU Edition | Portable by Neurogen [BETA]

Бета версия VisoMaster, перенесенная с CUDA на DirectML, что позволяет программе работать на любой видеокарте, поддерживающей DirectX 12: AMD, Intel (включая встроенную), и старые видеокарты NVIDIA.

В силу принципиально другого бэкенда может быть нестабильна. 

Особенности:
- Выполнен ряд оптимизаций под DirectML
- Возможность активации экспериментальных функций

Ограничения:
- Нет поддержки многопоточности, выставлен принудительно 1 поток на уровне кода.
- Так как DirectML активно работает с CPU, то возможна большая нагрузка на процессор. 
- Live режим, скорее всего, будет дерганным и выдавать мало FPS 

Описание программы и возможности можно глянуть тут

Cборка доступна:

Boosty | Телеграм

Сборка для Apple M1/M2/M3/M4 на подходе...

#visomaster #deepfake #amd #intel

Нейро дайджест за неделю

🧠Модели:

🟡FaceFusion Portable by Neurogen - сборник различных нейросетевых моделей для работы с видео и фото. Был обновлен и сделан полностью с переводом интерфейса и системных сообщений на русский язык. Также обновлены библиотеки, и ряд прочих улучшений.
Функционал


- Возможность замены лица на фото или видео (DeepFake)
- Использовать модели DFL (DeepFaceLab) и обучать их самому
- Синхронизацию губ в видео по аудиодорожке (LipSync)
- Колоризацию старых черно-белых видео и фото (Frame Colorizer)
- Улучшение качества лица на фото или видео (Face enhancer)
- Увеличение разрешения видео или фото (Upscale)
- Возможность изменения возраста лица (Age Modifier)
- Редактор эмоций и выражения лица (expression restorer и face editor)

🟡NeuroIMG (обновление) - сервис для генерации изображений, очень много постоянно обновляющихся моделей и loras, есть бесплатная модель, доступ к api и простой интерфейс. Обновлен полностью API, оптимизирован бэкенд и фронтэнд. Пофикшены проблемы с отрисовкой сайта

🟡Gemini 2.5 pro и ChatGPT (обновления) - гемини выкатили новую модель, улучшили рассуждение, математику все по стандарту, в бенчах (GPQA и AIME) лидировал на релизе. Увеличил контекст до 1 млн токенов, при этом сохранил свою хорошую производительность. ChatGPT сделали свой "фотошоп" и улучшили генерацию изображений. По названию можно почитать подробно и посмотреть тесты

🟡SAME.NEW - ИИ который создает сайты по промпту

🟡Meshy - генератор 3d моделей, хороший функционал, бесплатное использование, по названию можно перейти на пост с тестами

🟡Bolt.diy - open-source аналог сервиса bolt.new. В отличие от same, позволяет загружать целые директории, а не просто файлы, а также не имеет лимита на прикрепляемые файлы.

🟡Riffusion (обновление) - ИИ для генерации песен и работы с музыкой. Много нового функционала, бесплатно, по названию также тесты и подробный разбор

🟡Project G-Assist от Nvidia - помощник на базе искусственного интеллекта на базе вашего ПК с видеокартой GeForce RTX, который поможет вам настраивать, контролировать и оптимизировать вашу систему. Советую почитать про него в посте. Очень перспективный в плане открытого кода и возможности разрабоги плагинов на него

🧑‍💻Технологические разработки

🟡SoftBank инвестирует $1 трлн в разработку ИИ в США
Японская корпорация SoftBank объявила о готовности вложить $1 трлн в развитие искусственного интеллекта в Соединенных Штатах, что может значительно ускорить прогресс в данной сфере.

🟡OpenAI планирует утроить выручку до $12,7 млрд в 2025 году
Компания OpenAI намерена увеличить свою выручку до $12,7 млрд в 2025 году, что свидетельствует о стремительном росте интереса к технологиям ИИ и их коммерциализации.

🎙Этические и социальные аспекты

🟡OpenAI ограничила скорость генерации изображений в ChatGPT
В связи с массовым созданием изображений в стиле аниме студии Ghibli, OpenAI ввела ограничения на скорость генерации изображений в ChatGPT, чтобы справиться с возросшей нагрузкой на серверы.

🟡Норвежец подал жалобу на OpenAI из-за ложной информации
Житель Норвегии подал жалобу на компанию OpenAI после того, как ChatGPT ошибочно назвал его убийцей собственных детей, что подчёркивает важность точности и ответственности в разработке ИИ.

Нейроджаст за неделю

🧠Модели:

🟡NeuroIMG (обновление) - сервис для генерации изображений, очень много постоянно обновляющихся моделей и loras, есть бесплатная модель, доступ к api и простой интерфейс. Обновлен полностью API, оптимизирован бэкенд и фронтэнд. Пофишены проблемы с отрисовкой сайта

🟡SAME.NEW - ИИ который создает сайты по промпту

🟡Meshy - генератор 3d моделей, хороший функционал, бесплатное использование, по названию можно перейти на пост с тестами

🟡 Bolt.diy - open-source аналог сервиса bolt.new. В отличие от same, позволяет загружать целые директории, а не просто файлы, а также не имеет лимита на прикрепляемые файлы.

🟡 Riffusion (обновление) - ИИ для генерации песен и работы с музыкой. Много нового функционала, бесплатно, по названию также тесты и подробный разбор

С

Вайб-кодинг в 5 утра и в состоянии лунатизма превращается в вайб-ведание 😏

Пояснительная бригада: Это мой запрос агенту, отправленный перед тем как уйти спать в состоянии полудремы. И я не помню, чтобы я это писал.

Последнее время вайб-кодинг набирает обороты, и из шуток это перетекает в полноценный метод разработки.

Это когда вы вместо классического программирования просто отдаете команды языковой модели, а она уже пишет код за вас.

Интересна ли вам такая тематика, нужно ли больше обзорного / обучающего материала?

Project G-Assist от Nvidia

Что это?

Project G-Assist — это помощник на базе искусственного интеллекта на базе вашего ПК с видеокартой GeForce RTX, который поможет вам настраивать, контролировать и оптимизировать вашу систему.

С помощью Project G-Assist геймеры смогут управлять параметрами системы, подбирать оптимальные настройки графики для конкретных игр, оптимизировать энергопотребление ПК и даже разгонять графический ускоритель. Все это можно делать посредством ввода текстовых запросов или через голосовые команды.


Техническая архитектура Project G Assistant

1. Основные компоненты:
- Модуль системной помощи – координирует работу ассистента, отвечает за обработку команд и выполнение встроенных функций.
- Лаунчер плагинов – управляет загрузкой и взаимодействием с плагинами (как официальными от NVIDIA, так и пользовательскими).
- SLM-модель (Small Language Model) – языковая модель, работающая локально на видеокартах GeForce RTX (Llama-based Instruct, 8B параметров).
- Механизм логического вывода – анализирует пользовательские запросы и определяет подходящие плагины/функции.

2. Архитектура плагинов:
- Каждый плагин – отдельный исполняемый файл (например, g-assist-plugin-logiled.exe).
- Файл manifest.json описывает функциональность плагина.
- Взаимодействие с ассистентом возможно через:
- Вызов функции с нулевой попытки (автоматическое определение нужного плагина).
- Прямой вызов плагина (пользователь указывает конкретный плагин в команде).

3. Базовая AI-технология:
- Локальная языковая модель (SLM) – оптимизирована для работы на GPU, быстро обрабатывает команды без необходимости подключения к облаку.
- Компьютерное зрение – анализирует изображение с экрана, поддерживает контекстуальную помощь в играх.
- Интеграция с NVIDIA ACE – перспективы использования AI для NPC и цифровых ассистентов.

4. Производительность и требования:
- Минимум 12 ГБ VRAM (RTX 30, 40, 50 серии).
- Использует ресурсы GPU временно, возможны просадки FPS при выполнении AI-запросов.
- Установка через NVIDIA App.

5. Расширяемость и интеграции:
- Поддержка Python/C++ API для разработчиков.
- Официальные плагины (Google Gemini, Twitch, Logitech RGB и др.).
- Сообщество может разрабатывать плагины, публиковать в репозитории NVIDIA.

Системные требования:

ОС: Windows 10/11;
GPU: GeForce RTX 30/40/50 (от 12 ГБ VRAM);
CPU: Intel Core i3+/AMD Ryzen 3+;
Место на диске: 6,5 ГБ (ассистент) + 3 ГБ (голосовые команды);
Драйвер: GeForce 572.83 или новее;
Язык: английский (пока без поддержки русского).

Что он может?

- Оптимизация игровых и системных настроек;
- Диагностика узких мест производительности;
- Управление подсветкой и вентиляторами (Logitech G, Corsair, MSI, Nanoleaf);
- Разгон GPU и мониторинг температуры;
- Ответы на вопросы о железе и ПО Nvidia.

Также G-Assist поддерживает плагины: Spotify (для управления музыкой), Google Gemini (для доступа к облачному ИИ при сложных запросах) и Twitch (для проверки стримов и зрителей). Кроме этого Nvidia открыла исходный код проекта на GitHub, позволяя сообществу создавать собственные кастомные плагины.

Сейчас Project G-Assist доступен в экспериментальном режиме через приложение Nvidia в разделе Discovery. Для активации помощника достаточно нажать Alt+G.

🐱Github

FaceFusion Portable by Neurogen [RU] v 3.1.3 | CUDA | TensorRT

Эта версия - первая версия с русским переводом интерфейса и системных сообщений.

Что нового:

- Взят код из ветки Next на 27.03.2025
- Обновлены библиотеки CuDNN до 9.8.0 и TensorRT до 10.9 под Cuda 12.8
- Улучшена стабильность и работа с RTX 50xx
- Ряд мелких улучшений
- Интерфейс полностью переведен на русский.

О программе:

FaceFusion - это некий "комбайн" из различных нейросетевых моделей для работы с видео и фото. Программа включает в себя:

- Возможность замены лица на фото или видео (DeepFake)
- Использовать модели DFL (DeepFaceLab) и обучать их самому
- Синхронизацию губ в видео по аудиодорожке (LipSync)
- Колоризацию старых черно-белых видео и фото (Frame Colorizer)
- Улучшение качества лица на фото или видео (Face enhancer)
- Увеличение разрешения видео или фото (Upscale)
- Возможность изменения возраста лица (Age Modifier)
- Редактор эмоций и выражения лица (expression restorer и face editor)

Видеообзор прошлых версий программы: Видео 1, Видео 2

Данная портативная сборка доступна для поддержавших канал подпиской на закрытый телеграм, где дублируются большинство сборок с Бусти и выкладываются все обновления FaceFusion. Оформить подписку можно через USDT, Telegram Stars или ЮMoney

#deepfake #facefusion

Теперь сразу к тестам

1) Рендеринг текста

Промпт
«Я открываю традиционный концептуальный ресторан в Марине под названием Haein. Он фокусируется на корейской еде, приготовленной из органических, свежих фермерских ингредиентов, с меняющимся меню на основе сезонности. Я хочу, чтобы вы разработали изображение — меню, включающее следующие пункты меню — опираясь на традиционный/деревенский стиль, сохраняя при этом ощущение изысканности и элегантности. Пожалуйста, также включите иллюстрации каждого блюда в элегантном стиле кролика Питера. Убедитесь, что весь текст отображается правильно, на белом фоне.

(Вершина)

Твенджан-чигэ (ферментированное соевое рагу) — 18 долларов. Домашний твенджан с местными грибами, тофу и сезонными овощами, подается с рисом.

Galbi Jjim (тушеные короткие ребрышки) – 34 доллара. Медленно тушеные ребрышки местной говядины травяного откорма с глазурью из груши и черного чеснока, сезонными корнеплодами и ююбой.

Жареная сезонная рыба — рыночная цена (22–30 долларов США) Целая или филе местной экологически чистой рыбы, приготовленная на гриле на углях, подается с самсом из листьев периллы и домашними соусами.

Пибимпаб – 19 долларов за рис по старинным рецептам с чередующимся набором свежих фермерских овощей, приготовленным в домашних условиях кочхуджаном и яйцом от коров, выращенных на пастбищах.

Боссам (свиные лепешки Heritage) – 28 долларов. Медленно приготовленная свиная грудинка с лепешками из пекинской капусты, устричным кимчи, периллой и сезонными приправами.

(Внизу) Десерт и напитки Сезонный макколи (рисовое вино) – 12 долларов за бокал

Чередование вкусов на основе сезонных фруктов и цветов (хурма, цитрусовые, бузина и т. д.).

«Ходдок» (корейские сладкие блинчики) – 9 долларов. Жареные блинчики с корицей и мороженым из черного кунжута .
Результат - https://imgur.com/a/hOfW5PZ

Генерация изображений GPT 4o, безусловно, превосходит конкурентов. Она не пропустила ни одного элемента в подсказке, а окончательное изображение, которое она сгенерировала, выглядело как профессиональное меню.

В этом задании победителем оказывается GPT 4o. Gemini 2.5 Pro занимает второе место, а Grok 3 занимает третье место.

2) Выполнение инструкции

Промпт
Квадратное изображение, содержащее сетку из 4 строк и 4 столбцов, содержащую 16 объектов на белом фоне. Двигайтесь слева направо, сверху вниз. Вот список:
синяя звезда
красный треугольник
зеленый квадрат
розовый круг
оранжевые песочные часы
фиолетовый знак бесконечности
черно-белый горошек галстук-бабочка
завязанный «42»
оранжевый кот в черной бейсболке
карта с сундуком с сокровищами
пара выпученных глаз
эмодзи с поднятым вверх большим пальцем
пара ножниц
сине-белый жираф
слово «OpenAI», написанное курсивом
радужная молния»

Результаты - https://imgur.com/a/7ef8aut

И GPT 4o, и Gemini 2.5 Pro создали потрясающие изображения. Оба изображения имели все элементы и в том порядке, который был указан в подсказке. В то время как GPT 4o потребовалось время для создания изображений, именно Gemini 2.5 Pro получил качество и скорость

В этом задании Gemini 2.5 Pro оказался победителем. GPT 4o занял второе место, а Grok 3 занял третье место.

3) Контекстное обучение

Промпт 1
Фотореалистичное изображение синей бензопилы

Промпт 2
Сделайте рекламу этой бензопилы, на которой бабушка режет индейку за обеденным столом в День благодарения. Добавьте слоган

Результаты - https://imgur.com/a/1L9BpXS

Все модели сгенерировали первое изображение очень хорошо, хотя GPT 4o потребовалось больше времени. На втором изображении у всех моделей были некоторые проблемы. Но из всех трех мне больше всего понравился результат GPT 4o из-за качества вывода и того, насколько близко он резонировал с сутью подсказки

В этом задании победителем оказывается GPT 4o. Grok 3 занимает второе место, а Gemini 2.5 Pro занимает третье место.

ИТОГИ

Текстовая визуализация:
GPT 4o 🥇
Gemini 2.5 pro 🥈
Grok 3 🥉

Выполнение инструкций:
Gemini 2.5 pro 🥇
GPT 4o 🥈
Grok 3 🥉

Контекстное обучение:
GPT 4o 🥇
Grok 3 🥈
Gemini 2.5 pro 🥉

Сразу 2 апдейта Thinking Gemini 2.5 Pro и ChatGPT

В кратце по изменениями

Gemini 2.5 Pro:
🟡Улучшенное рассуждение - 2.5 Pro лидирует в математических и научных бенчмарках, таких как GPQA и AIME 2025. Он также набрал 18,8% баллов по моделям без использования инструментов в «Последнем экзамене человечества»
🟡Расширенное кодирование - на SWE-Bench Verified, отраслевом стандарте для оценки агентного кода, Gemini 2.5 Pro набирает 63,8% с пользовательской настройкой агента.
🟡Окно контекста 1 млн.токенов(скоро будет 2 миллиона), высокая производительность, по словам гугла производительность сильно растет с каждым поколением.
На 40 пунктов обходим всех на LLM Arena (30 с style control), хорошие результаты на всех бенчмарках, сильные улучшения в коде. И то ли ещё будет.

©Инженер Google занимающийся разработкой Gemini
✨Попробовать на OpenRouter'е
✨Попробовать в AiStudio

ChatGPT:
🟡Редактирование (фотошоп) картинок промптом, досутпно через gpt и sora для всех планов включая free
🟡Удалять фон картинок
🟡Генерировать видео через GPT с ограничением 3 видео/сутки
🟡Генерировать картинки на высоком (DALL-E) уровне, выдавать текст и объекты без артифактов и искаженей

Попробовать можно на их сайте openai

Теперь сразу к тестам

1) Рендеринг текста

Промпт
« Я открываю традиционный концептуальный ресторан в Марине под названием Haein. Он фокусируется на корейской еде, приготовленной из органических, свежих фермерских ингредиентов, с меняющимся меню на основе сезонности. Я хочу, чтобы вы разработали изображение — меню, включающее следующие пункты меню — опираясь на традиционный/деревенский стиль, сохраняя при этом ощущение изысканности и элегантности. Пожалуйста, также включите иллюстрации каждого блюда в элегантном стиле кролика Питера. Убедитесь, что весь текст отображается правильно, на белом фоне.

(Вершина)

Твенджан-чигэ (ферментированное соевое рагу) — 18 долларов. Домашний твенджан с местными грибами, тофу и сезонными овощами, подается с рисом.

Galbi Jjim (тушеные короткие ребрышки) – 34 доллара. Медленно тушеные ребрышки местной говядины травяного откорма с глазурью из груши и черного чеснока, сезонными корнеплодами и ююбой.

Жареная сезонная рыба — рыночная цена (22–30 долларов США) Целая или филе местной экологически чистой рыбы, приготовленная на гриле на углях, подается с самсом из листьев периллы и домашними соусами.

Пибимпаб – 19 долларов за рис по старинным рецептам с чередующимся набором свежих фермерских овощей, приготовленным в домашних условиях кочхуджаном и яйцом от коров, выращенных на пастбищах.

Боссам (свиные лепешки Heritage) – 28 долларов. Медленно приготовленная свиная грудинка с лепешками из пекинской капусты, устричным кимчи, периллой и сезонными приправами.

(Внизу) Десерт и напитки Сезонный макколи (рисовое вино) – 12 долларов за бокал

Чередование вкусов на основе сезонных фруктов и цветов (хурма, цитрусовые, бузина и т. д.).

«Ходдок» (корейские сладкие блинчики) – 9 долларов. Жареные блинчики с корицей и мороженым из черного кунжута .

Результат - https://imgur.com/a/hOfW5PZ

Генерация изображений GPT 4o, безусловно, превосходит конкурентов. Она не пропустила ни одного элемента в подсказке, а окончательное изображение, которое она сгенерировала, выглядело как профессиональное меню.

В этом задании победителем оказывается GPT 4o. Gemini 2.5 Pro занимает второе место, а Grok 3 занимает третье место.

2) Выполнение инструкции

Промпт
Квадратное изображение, содержащее сетку из 4 строк и 4 столбцов, содержащую 16 объектов на белом фоне. Двигайтесь слева направо, сверху вниз. Вот список:
синяя звезда
красный треугольник
зеленый квадрат
розовый круг
оранжевые песочные часы
фиолетовый знак бесконечности
черно-белый горошек галстук-бабочка
завязанный «42»
оранжевый кот в черной бейсболке
карта с сундуком с сокровищами
пара выпученных глаз
эмодзи с поднятым вверх большим пальцем
пара ножниц
сине-белый жираф
слово «OpenAI», написанное курсивом
радужная молния»

Результаты - https://imgur.com/a/7ef8aut

И GPT 4o, и Gemini 2.5 Pro создали потрясающие изображения. Оба изображения имели все элементы и в том порядке, который был указан в подсказке. В то время как GPT 4o потребовалось время для создания изображений, именно Gemini 2.5 Pro получил качество и скорость

В этом задании Gemini 2.5 Pro оказался победителем. GPT 4o занял второе место, а Grok 3 занял третье место.

3) Контекстное обучение

Промпт 1
Фотореалистичное изображение синей бензопилы

Промпт 2
Сделайте рекламу этой бензопилы, на которой бабушка режет индейку за обеденным столом в День благодарения. Добавьте слоган

Результаты - https://imgur.com/a/1L9BpXS

Все модели сгенерировали первое изображение очень хорошо, хотя GPT 4o потребовалось больше времени, чем требовалось. На втором изображении у всех моделей были некоторые проблемы. Но из всех трех мне больше всего понравился результат GPT 4o из-за качества вывода и того, насколько близко он резонировал с сутью подсказки

В этом задании победителем оказывается GPT 4o. Grok 3 занимает второе место, а Gemini 2.5 Pro занимает третье место.

ИТОГИ

Текстовая визуализация:
GPT 4o 🥇
Gemini 2.5 pro 🥈
Grok 3 🥉

Выполнение инструкций:
Gemini 2.5 pro 🥇
GPT 4o 🥈
Grok 3 🥉

Контекстное обучение:
GPT 4o 🥇
Grok 3 🥈
Gemini 2.5 pro 🥉

Продолжаем доработку нашего сервиса по генерации изображений NeuroIMG.ART

Был полностью переработан бэкенд, за счет чего удалось добиться большей стабильности и скорости.

Кроме этого, теперь не только на сайте, но и по API доступна бесплатная генерация изображений на базе Flux-Shnell. Из лимитов - 6 генераций в минуту, больше лимитов нет.

Что еще нового:

🟡Обновлен API, подробнее в документации
🟡Добавлена возможность удалять изображения из личной галереи
🟡Генерации и работа с сервисом стала намного быстрее
🟡Внесены правки и исправления на сайте

В работе Инпеинт, генерация изображений с лицом по фото и ряд других функциональных возможностей.

🎼Riffusion UPD

Сервис Riffusion обновили модель Fuzz для создания инструментальной музыки и песен по текстовому описанию, в том числе на русском языке.

Мы обучили совершенно новый вариант нашей модели FUZZ, который позволяет вам менять вокальные и звуковые основы для беспрецедентного уровня контроля.

Это первая передовая музыкальная модель, которая понимает музыку на уровне основы, что позволяет вам генерировать новые вокальные или инструментальные партии, сохраняя другие прежними

🕊Пост
Changelog:

🟡Trim - вырезать кусок песни и сохранить ее как новую песни для публикации или ремикса
🟡Stem Swap - позволяет вам менять вокальные и звуковые основы
🟡Image prompt for Songs and Playlists - запрос на создание нового изображения для вашей песни или плейлиста в представлениях деталей редактирования.
🟡Projects - гибкие рабочие пространства для организации ваших песен (нет ограничений).
🟡Ghostwriter - AI формирует тексты для ваших песен
🟡Загрузка и работа над собственными треками

Достоинства сервиса в целом:
🟡Бесплатно - нету скрытых платежей и подписок
🟡Редактирование треков - детальная настройка и изменение треков
🟡Простой интерфейс - в наше время можно отнести к достоинствам
🟡Без региональных ограничений - нет ограничений в России
🟡Персонализация под ваши запросы - сервис подстраивается под твои запросы и стили, за счет чего обучается под твои предпочтения.
🟡Загрузка дорожек - сервис создаёт аудио в формате m4a. Можно отдельно скачать дорожки музыки, вокала и другие.

Недостатки по сравнению с конкурентами:
🟡Ограниченный контроль над деталями музыки по сравнению с профессиональными DAW.
🟡Бета-версия — сервис ещё развивается, возможны ошибки и недочёты.

Тесты:

В комментариях я прикрепил песни которые мне дал Riffusion, Suno V4 и Suno V3.5 по запросу : «Песня про мужчину, который устаёт на работе и хочет, чтобы перестали существовать понедельники»

Итог:
Riffusion — отличная платформа для музыкантов, композиторов и просто любителей экспериментировать со звуком. Это скорее инструмент для быстрого прототипирования идей, чем профессиональный софт для продакшена. Если вы хотите создать музыкальный фон для видео, поэкспериментировать с жанрами или просто повеселиться, Riffusion точно стоит попробовать.

Платформа продолжает развиваться, и если разработчики добавят больше настроек и функций, она сможет стать настоящим конкурентом среди AI-инструментов для музыки. А пока это простой, удобный и бесплатный способ познакомиться с возможностями искусственного интеллекта в музыкальной сфере.

Продолжаем тему экспериментов с агентами.

bolt.diy - open-source аналог сервиса bolt.new (судя по всему, same.new тоже его клон).

В отличие от same, позволяет загружать целые директории, а не просто файлы, а также не имеет лимита на прикрепляемые файлы.

Еще из плюсов, тут целый ворох провайдеров, есть поддержка ollama и lm studio для работы с локальными моделями. Да даже деплоить так же можно, и в гитхаб выгружать автоматически.

Если хочется пользоваться бесплатно, то кроме локальных моделей, можете посмотреть фришные модельки на openrouter, там, оказывается, gemini 2.0 pro бесплатная, с контекстом на 2 ляма токенов, а также Flash 2.0

Запускать можно как через Docker, так и напрямую, инструкция по запуску есть в ReadME на гитхабе проекта.

Meshy Генератор 3D-моделей

Meshy недавно запустили новую превью версию своего генератора V5, но V4 по прежнему остается работать. Кто не знает это очень хороштй 3d генератор с большим функционалом и бесплатной подпиской, чтобы на запутать вас все по порядоку:

Основной функционал:
🟡Text-to-3D - обычная промт 2 result модель, простая в использовании
🟡Image-to-3D - очень удобная вещь можно преобразовать элементы изображений в 3d объект
🟡Animation - дает возможность создавать анимированных 3D персонажей

По подпискам:
🟡Есть бесплатная подписка, дает 200 кредитов в месяц, 1 зачаду в очереди, ограниченный приоритет очереди и возможность использовать только лицензию CC BY 4.0 (может повлечь несанкицонированное использование ваших творений и по сути передает ваши работы в общественное достояние)
🟡Есть также 3 другие платные подписки, доступ к API открывается с подписки Pro (20$ в месяц), она также дает 1000 кредитов в месяц, 10 задач и всякие еще приколы можете почтитать на сайте.
🟡В связи с новой версией генератора meshy дают промокод на 50% скидки MESHY5


Почтитать про API - https://docs.meshy.ai/
У них еще есть интересный блог - https://www.meshy.ai/blog

⚙️Тесты

Ссылка на модельку мою - я нагрузил на модель анимаций можете посмотреть как вообще он отрисовывает

Мой промпт
футуристический костюм синего и серебряного цвета с золотыми акцентами, голографический дисплей на груди, усиленные руки и ноги, реактивный ранец на спине. В одной руке энергетический меч, на другом запястье бластер.

Впринципе не считая мелочей сама работа меня устроила, так как я указывал и делал это от лица обычного пользователя в развлекательных целях и без каких либо абсолютно дополнительнгых настроек очень даже неплохо.

Я пошел дальше и настроил теллаж модели, и начал играться с анимациями. В целом мне очень понравлось что может новый meshy V5. Он очень хорошо понимает физику и кости модели несмотря на то что она в броне и я сам не очень понял пока теллаж настраивал.

Итог:
Я думаю как минимум поразвлекаться или для личных целей подойдет очень хорошо тем более бесплатно. Если нужно для более профессиональных целей то с помощью доп настроек можно подогнать под необходимые результаты. Так что я оцениваю положительно этот инструмент.

SAME.NEW - AI Агент, который позволит вам создать сайт под ключ за один промпт

Обзор уже доступен на YouTube.

Если вы хотите больше подобных обзоров, то ваши лайки и комменты под видео помогут как никогда 🥰

Извиняюсь за звук, заметил уже на стадии монтажа что все плохо

Нейроджаст за неделю

🧠Модели:

🟡Google Canvas - пишет код, скрипты, помогает в учебе, работе. В общем делает все что до чего не дотягиваются руки человека.

🟡Mistral-Small-3.1-24B - VLM компактная версия, улучшенный small 3(2501). 128к контекста, 24B. Помещается в 24ГБ. Лучше понимает код, изображения, мыслит и т.д

🟡DeepHermes выпустили ризонинг модель DeepHermes-3 (LLM) в версиях 3B, 8B и 24B. Также есть доступ к API, нужно встать в список ожидания. По своим же тестам с включенным ризасонингом думает гораздо лучше.

🟡Ollama выкатили очень хорошее обновление v0.6.2
Changelog v0.6.2


- В Gemma 3 теперь поддерживается несколько изображений

- Исправлена ​​ошибка, из-за которой запуск Gemma 3 потреблял большой объем системной памяти.

- ollama create --quantize теперь работает при конвертации Gemma 3 из safetensors

- Исправлена ​​ошибка, из-за которой /saveне работало при запуске модели с /именем

- Добавить поддержку графических процессоров AMD Strix Halo

🟡Pika Effects V2V представили свою новую функцию, с ее помощью можно будет добавлять VFX эффекты и редактировать видео с помощью промпта (текстового запроса). Veo 2 сравнительно лучше. Pika подойдет для развлекательных целей.

🟡 LanDiff – гибридный видеогенератор из LLM и Диффузии. Пишут, что на VBench в отдельных номинациях бьёт и Kling, и Sora (правда, даже по черрипикам так не скажешь), но для своих 5B параметров и датасета в 200M видео-текст пар — очень хороший результат.

🟡Move AI Gen 2 - система захвата движений без маркеров. В её основе - компьютерное зрение, ИИ и физические модели, позволяющие определять позу человека по видео. Главное преимущество - возможность работы с обычными камерами, например, со смартфонами, без специальных костюмов и датчиков. Можно попробовать бесплатно на сайте.

🧑‍💻Новые разработки и исследования:

🟡Claude теперь ссылается на реальные источники из интернета. Компания Anthropic объявила, что ее помощник на основе искусственного интеллекта Клод теперь может осуществлять поиск в Интернете, предоставляя пользователям более актуальные и релевантные ответы. источник

🟡 NVIDIA на конференции GTC 2025 анонсировала новый графический процессор Blackwell Ultra B300, предназначенный для центров обработки данных и задач ИИ, который на 50% быстрее предыдущей модели B200. источник

🟡 Итальянская газета Il Foglio выпустила первый в мире выпуск, полностью созданный искусственным интеллектом, демонстрируя возможности ИИ в журналистике. источник

🎙Обсуждение этических и социальных аспектов:

🟡Стартап по поиску в сфере искусственного интеллекта Perplexity только что подал заявку на приобретение (и трансформацию) TikTok, согласно сообщению в блоге компании, опубликованному в пятницу. источник

🟡Академик Игорь Каляев выразил мнение, что ИИ вряд ли когда-либо обретет самосознание или достигнет уровня человеческого интеллекта, подчеркнув ограничения текущих технологий. источник

🟡Вице-президент корпорации Meta Ян Лекун отметил, что системы на LLM уже в силу заложенных в них принципов имеют ограниченные возможности - их способности зависят от информации, на которой их обучают создатели. источник

🟡Исследования показали, что ИИ способен создавать более смешные мемы, чем человек. ​источник

За эту неделю навыходило много интересного – я буду по чуть-чуть разбирать, а пока вот держите самое важное – 7b мультимодальная языковая модель, которая умеет смотреть экран игры в Minecraft и нажимать на кнопки, управлять мышью и тп

Модель обучена на более чем тысяче задач, поэтому до алмазной брони докрафтит наверное

Качать тут, как запускать тут (будет сложно)

Sora AI теперь безлимитна для пользователей с подпиской GPT Pro и Plus

Больше никаких кредитов для донатеров

https://help.openai.com/en/articles/10245774-sora-billing-faq#h_5a4892aa77

Если контент будет реже, то это потому, что автор пытается не утонуть 🍌

P.s. Если что, Нейроджин - это мой второй, неформальный канал

Мы тут про нейросети пишем, ждём AGI, а блогеры разгоняют одну и ту же тему, что ИИ заменит кучу работ, а тем временем у нас тут никто ничего не может сделать с затоплением домов и грязью по колено :)

Вот такой суровый русский киберпанк

Если контент будет реже, то это потому, что автор пытается не утонуть 🍌

InfiniteYou: Flexible Photo Recrafting While Preserving Your Identity

Фреймворк для персонализации изображений, использует DiT, а также совмести с FLUX, lora, Controlnet и др.

🟡Сохраняет сходство идентичности, плохое выравнивание текста и изображения, низкое качество и эстетику генерации.

🟡Центральным элементом InfYou является InfuseNet, он внедряет в DiT признаки идентичности, улучшая сходство идентичности при сохранении возможностей генерации

🟡Многоступенчатая стратегия обучения, включая предварительное обучение и контролируемую тонкую настройку (SFT) с синтетическими данными одного человека и нескольких образцов (SPMS), дополнительно улучшает выравнивание текста и изображения, улучшает качество изображения и устраняет копирование-вставку лиц

🟡 Код на лицензии Apache 2.0, а сама модель выпущена под лицензией Creative Commons Attribution-NonCommercial 4.0 International Public License только для академических исследовательских целей

✨ Демо
🐱 GItHub
🤗 Веса

Gemini Canvas

Canvas — интерактивное пространство для быстрой итерации. В формате чата он поможет вам создавать отчеты, записи в блогах, учебные пособия, визуальные временные шкалы, интерактивные прототипы, фрагменты кода и скрипты и многое другое.

Совместное создание документов: создайте первый черновик, затем доработайте его с помощью инструментов быстрого редактирования для тона, длины или форматирования. Попросите Gemini дать отзыв по определенным разделам или всему документу и наблюдайте, как ваши изменения мгновенно появляются. От отчетов до учебных пособий, постов в блогах и многого другого, поднимите свой уровень письма в Canvas.

Генерируйте и итерируйте код: преобразуйте свои идеи в рабочие прототипы быстрее. Используйте возможности Gemini для генерации, уточнения и предварительного просмотра кода непосредственно в знакомом редакторе кода. Просто опишите желаемую функциональность, и Canvas сгенерирует соответствующие фрагменты кода для различных языков программирования. Поделитесь своими рабочими предварительными просмотрами или экспортируйте код Python в Google Colab.

Вот примеры работы созданных Canvas и в чем он помогает (можно посмотреть по мимо предпросмотра и сам код):
🟡Для учебы:
- Учебные игры и тесты (квизы)
- Визуализация алгоритма кодирования
- Сиумулятор физических частиц
🟡Для работы:
- Прототип системы управления ролями и разрешениями пользователей
- Интерактивный слайдер сцен
🟡Для развлечения:
- Генератор 3D планет
- Игра на звуковую память
- Музыкальный синтезатор
- BFS Искатель Путей

Попробовать можно по ссылке, не забудьте включить впн. Выберите модель Gemini 2.0 Flash и включите режим "Canvas"

Спасибо всем, кто слушал меня в рамках конференции "Навыки будущего" от Skillbox!

Если у вас остались какие то вопросы или что-то непонятно, то можете писать в комментариях тут, а пока, ссылочки на упомянутые программы:

LM Studio - универсальная программа по работе с локальными большими языковыми моделями. Поддерживает анализ изображений и работу с вашими документами.
Pinokio - программа для запуска различных нейросетей в несколько кликов. Поддерживает разные ОС, автоматически ставит большинство пакетов.
ComfyUI - программа для профессиональной и тонкой работы с нейросетями. Изначально создавалась как альтернатива stable diffusion webui, но стала чем то большим.

Также, если вы хотите узнать больше про какую-то из этих программ, то в будущем могу сделать обзор на нее.

Что умеет искусственный интеллект в Тильде

Тильда интегрировала AI-инструменты, которые упрощают создание сайтов даже для новичков. Вот ключевые возможности:

1. Генерация страницы сайта «под ключ»
Главная функция — создание готовой страницы на основе вашего запроса.
- Как работает:
- Пользователь вводит тематику сайта (например, «магазин спортивного питания»).
- Может уточнить детали: «добавить раздел с акциями», «использовать тёмную тему».
- AI анализирует запрос и автоматически:
- Подбирает подходящие блоки (шапка, галерея, формы, CTA).
- Добавляет тематические изображения.
- Генерирует тексты для всех разделов.
- Результат: готовая страница с продуманной структурой и контентом. Её можно сразу кастомизировать в редакторе — менять дизайн, порядок блоков, шрифты.

2. Генерация текстов для конкретных блоков
ИИ помогает наполнять контентом отдельные элементы сайта:
- Примеры использования:
- Описание преимуществ компании.
- Продающие тексты для услуг («курсы программирования», «доставка еды»).
- Заголовки для форм захвата.
- Как это работает:
- Текст создаётся на основе тематики сайта.
- Достаточно выбрать блок (например, «О нас») → ИИ предложит варианты.

3. Быстрые операции над текстом
Если нужно доработать контент, AI позволяет:
- Изменить формулировку («сделать официальнее» или «добавить эмоций»).
- Сократить текст без потери смысла.
- Расширить описание, дополняя деталями.


Важно:

- Искусственным интеллектом можно пользоваться бесплатно — функция доступна на всех тарифах Тильды.

Друзья, уже сегодня в 18:00 по Москве, буду выступать на конференции Skillbox "Навыки будущего".

Буду рассказывать про работу с нейросетями на вашем ПК, расскажу про несколько способов простой установки и запуска их. Поэтому, если вы только начинаете работу с нейронками у себя на компьютере, или же планируете собрать его для этих задач: то этот вебинар для вас.

Зарегистрироваться можно по ссылке.

Жду вас вечером!

Вчера перепутали и выложили графики по прошлой версии модели. Сейчас выкладываем данные бенчмарков по Mistral Small 3.1:



Кстати, уже появились квантованные GGUF модели, скачать их можно тут:

mistral-small-3.1-24b-instruct-2503-gguf

Но все это пока любительские версии, для нормальной квантованной версии пишут, что не хватает оригинального конфига.

Из минусов - данная GGUF версия поддерживает контекст в 32 000 токенов, ждем другие версии.

По тестам могу сказать, что моделька и правда быстрее чем Gemma-3: на моем ПК, Mistral-Small-3.1-24B Q4 отвечал со скоростью примерно 30 токенов с секунду, с заполнением контекста 16k токенами, в то время как Gemma-3-12B Q4 ответила со скоростью 4 токена в секунду , при работе с документами, при этом очень долго их обрабатывая.

Mistral-Small-3.1-24B

Созданная на основе Mistral Small 3 (2501), Mistral Small 3.1 (2503) добавлено современное понимание изображения и расширяет возможности контекста до 128 тыс. токенов без ущерба для производительности текста. С 24 млрд параметров эта модель достигает возможностей высшего уровня как в текстовых, так и в зрительных задачах.

Он примерно на том же уровне, что и Gemma 3 27B в задачах на ненаправленное внимание, и определенно лучше, чем 4o-mini. Примеры:
- Mistral Small v3.1
- gpt-4o-mini

В этом выпуске Mistral переходит от собственной лицензии MRL (Mistral Research License) к более свободной лицензии Apache 2.0. Это изменение позволяет пользователям свободно использовать, изменять и распространять модели даже в коммерческих целях. Компания продолжит предлагать специализированные коммерческие модели для конкретных задач.

Характеристики:
🟡 Обрабатывает 150 токенов в секунду
🟡 24B параметров
🟡 Окно контекста 128 тыс.токенов без потери производительности
🟡 Модель достигла 81% точности в тесте MMLU

🧑‍💻 API
🤗 Скачать модель - понадобится библиотека vLLM (GGUF пока не готов)
🖥 Статья Mistralу

🔄 ГРАНДИОЗНОЕ ОБНОВЛЕНИЕ‼️

Наша команда приготовила для вас самое масштабное обновление за все время жизни нашего проекта. Уже сейчас вы можете зайти и сами все попробовать.

Внесенные изменения:
🟡 Новая бесплатная модель — пробуйте мощные алгоритмы без ограничений и создавайте невероятные арты совершенно бесплатно!
🟡 Мы полностью обновили сайт — теперь он не только выглядит современнее, но и стал удобнее! Интерфейс стал интуитивным и приятным, чтобы генерация изображений была еще комфортнее.
🟡 Больше не нужно входить в аккаунт каждый день — теперь он сохраняется на целую неделю. Забудьте про постоянные авторизации!
🟡 Самые новые и свежие модели — на нашем сайте представлены самые свежие модели для генераций изображений, которые обновляются еженедельно, за счет чего мы предоставляем вам лучшее качество и скорость генераций.

⚠️Данная версия является только началом нового NeuroIMG. Так как мы уже развернулись на нашем новом сайте, сейчас пройдут все тесты и уже скоро мы начнем вносить новые крутые функции и обновлять уже имеющиеся. Будем рады отзывам!

📌 Пробуйте сами: NeuroIMG
📌 Подписывайтесь, чтобы не пропустить еще больше крутых обновлений! 🚀

🎨 NeuroIMG | Новости

Perplexity Comet

Perplexity выпустит ИИ-браузер Comet на основе Chromium. Разработчики поисковика основе искусственного интеллекта Perplexity заявили, что разрабатывают собственный веб-браузер. Он также получит функции искусственного интеллекта и будет называться Comet.

На сайте Perplexity открыта запись в лист ожидания. Компания также «активно» набирает специалистов в команду разработки ИИ-бразуера.

Также Perplexity выпустили десктопное приложение и там же можно скачать на телефон.

Какие выделяют особенности выделяют у Comet:
🟡Глубокая интеграция исследований : Comet привносит комплексные аналитические инструменты Perplexity непосредственно в ваш опыт просмотра веб-страниц.
🟡Обработка информации в режиме реального времени : получайте доступ к актуальной информации со ссылками на источники, что повышает достоверность ваших исследований.
🟡Кроссплатформенная синергия : легко переключайтесь между настольным компьютером и мобильным устройством, не теряя своего места или контекста.
🟡Широкие возможности интеграции приложений : благодаря более чем 800 доступным интеграциям приложений Comet стремится стать центральным узлом вашей цифровой жизни.

BlenderMCP

Очень интересный аддон, который позволяет связать Claude AI с Blender, за счёт чего claude сможет вашими текстовыми запросами управлять блендером, создавать и редактировать объекты и выполнять код python.

Система состоит из двух основных компонентов:
1. Дополнение Blender ( addon.py) : дополнение Blender, которое создает сокет-сервер в Blender для получения и выполнения команд.
2. MCP Server ( src/blender_mcp/server.py) : сервер Python, реализующий протокол контекста модели и подключающийся к дополнению Blender.

⚙️Функционал:
🟡Двусторонняя связь: подключите Claude AI к Blender через сервер на основе сокетов
🟡Манипуляция объектами: создание, изменение и удаление 3D-объектов в Blender.
🟡Контроль материалов: применение и изменение материалов и цветов.
🟡Проверка сцены: получите подробную информацию о текущей сцене Blender.
🟡Выполнение кода: запуск произвольного кода Python в Blender от Клода

🐱Github - инструкция по установке

Обновление Gemini 2.0 Flash Experemental

Теперь вы можете в реальном времени, в формате чата редактировать изображение текстовыми запросами. Gemini будет запоминать все запросы в формате контекста в памяти.

Попробовать можно в AI Studio, выбираете Experemental версию в разделе Prewiew и output format выбираете image and text и пробуйте(бесплатно). Регион Россия не поддерживается, но русский язык гемини понимает. Так что включаем впн и пробуем.

Функционал:
🟡Заменить лицо, одежду и другие объекты на оригинальном изображении;
🟡Отреставрировать фото или его колоризировать;
🟡Копировать текстуры на объекты;
🟡Добавлять текст на фото и переводить текст;
🟡Дорисовывать изображения.

🤯 Головная боль многих компаний — платить сотрудникам в любые страны без ограничений и с минимальными ресурсозатратами

Как это обычно бывает: компания на Кипре или в Сербии, а команду разбросало по миру. При этом всем нужно вовремя платить за услуги и формировать закрывающие документы.

Платформа 4dev.com позволяет платить десяткам сотрудников в любой точке мира и получать закрывающие документы по каждому платежу. Не нужно тратить время на лишние бумаги и особенности законодательств разных стран!

Как это работает: При регистрации профиля вы подписываете договор с 4dev.com, исполнители делают то же самое. Вы заключаете всего один контракт с платформой, а 4dev.com берёт на себя документооборот и расчёты с вашей командой.

- Выплаты удалённым сотрудникам и фрилансерам в 100+ стран, в том числе в СНГ
- Автоматическое создание закрывающих документов по каждой выплате. Документы соответствуют международным стандартам финансовой отчётности
- Комиссия 3% и ниже для бизнеса
- Можно оплачивать услуги сотрудников в USDT

Запишитесь на онлайн-демо: менеджер 4dev.com поможет найти решение под ваши задачи с помощью платформы

👉 записаться