В Atlas открыли общий доступ к Viewfinder: раньше он работал по заявкам, а в публичной версии можно было только смотреть созданные сцены. Стартап готовится войти в состав AMD; сделку рассчитывают закрыть до конца года.
Budget3D позволяет выбирать детальность 3D-модели на инференсе: один checkpoint работает с любым числом токенов. Детализированные участки сохраняют мелкие токены, простые области объединяются в крупные. С уменьшением числа токенов снижаются расход памяти и объём вычислений.
Метод построен на Idol: обычная версия работает за 50 шагов, Turbo — за 5. Это открытая неофициальная реализация идеи BudgetPix из статьи Kara et al., а не официальный релиз.
BudgetAny — не компания, а группа репозиториев сообщества. Помимо Budget3D, в неё входят BudgetPix для генерации изображений и будущий BudgetLatent. Проект поддерживает UIUC.
UGG — Unified Generative Geometry Model — генерирует видео по траектории камеры, восстанавливает глубину и положение камеры. Каждый кадр представлен тройкой: RGB, карта глубины и карта лучей камеры. Смесь трансформеров связывает модальности, сохраняя для каждой собственное представление.
Задача определяется тем, какие данные зашумлены при денойзе: по открытому RGB модель достраивает глубину, а по параметрам камеры генерирует видео. Для геометрии она создаёт 16 вариантов и выбирает лучший.
Совместное обучение помогает обеим задачам: без генерации ошибка оценки глубины на KITTI возрастает более чем в 2 раза, а без оценки положения камеры падает качество генерации. Данные без разметки глубины тоже улучшают оценку положения камеры.
PhysLoop — исследование ByteDance Seed, в котором LLM направляет генерацию, отбор и исправление видео, передавая видеомодели свои знания физики. Цикл помогает модели учиться на ошибках и создавать физически согласованные ролики.
«Векторный ремонт» точечно исправляет нарушения физики: например, после удаления опоры блоки наклоняются и опускаются, а не зависают. В работе используется связка GPT-6 Astra и Seedance 2.5. По результатам исследователей, она получает лучшие оценки по задачам и исправлению видео, а связки с LLM стабильно превосходят самостоятельные видеомодели на бенчмарках физики и причинности.
Команда обещает открыть 100 тысяч видео и два набора для оценки.
Vidu от Shengshu AI расширила APEX до потокового видео через сдвиг условий: отдельная сеть-оценщик больше не нужна, генерация идёт за несколько шагов в реальном времени. Vidu Stream — режим сервиса для живых аватаров, потокового редактирования и пространственных роликов; S1 и S2 — модели внутри него.
По следованию инструкциям Vidu Stream получает на 30% больше человеческих предпочтений, чем S2-Avatar. По сравнению с DMD пиковое потребление памяти ниже на 4,4%, а время итерации — на 9,2%.
A video editing workflow uses Qwen for image modeling and Sam3 to identify singers, with automated scene detection and quality checks for shots containing multiple characters. A “director” agent manages prompts and editing, while MiniMax H3 Fast supports resolution adjustments and frame padding.
Seamless Scene подменяет фрагменты стрима своими видеоклипами, позволяя создавать персональные версии фильмов и сериалов. Просмотр идёт через подписку на платформу. Расширение определяет эпизод по уникальному ID, вставляет клипы в нужные моменты или заменяет ими сцены, состыковывая начало и конец с оригиналом.
Настройки задаются в JSON: ID серии, время клипов и действие — вставка или замена. Так можно поменять актёрский состав, переделать финал или добавить режиссёрскую версию. Сами клипы нужно генерировать отдельно: Seamless Scene не заменяет генератор.
Пока расширение работает только в Chrome и с одной платформой, статус — early access. Есть гайды и каталог, доступные с бесплатным аккаунтом.
MiniMax H3 Image supports editing commands for pose changes, outfit replacement, hairstyle changes and background replacement. A pruned diffusion model, text encoder and VAE are available to download.
LayerShop provides Generative Fill through AI Gen, local inpainting with Qwen Image 2.1, and non-destructive editing through masked layers. Its latest version also supports MiniMax H3 Image, with a workflow for adding and removing elements using local models.
Qwen-Image-2.1 is also reported to achieve high benchmark rankings and improved scores over previous versions.
Открытый checkpoint H3 Image с уже встроенной LoRA для замены персонажей доступен на Hugging Face. Он заявлен как первый такой merge: LoRA, обученную на видео, перенесли в модель изображений и включили в веса. Подключать отдельный файл LoRA и настраивать её силу не нужно.
На вход подаются фото сцены, референс персонажа и имя того, кого нужно заменить. Модель сохраняет фон, свет, других людей и позу. Она справляется с переносом аниме-персонажа в реалистичную сцену, где базовая модель не справляется, а также со сложными профильными и мелкими лицами, на которых база ошибается при всех seed.
В слепых сравнениях merge предпочли в 82% случаев при сопоставлении с нативной моделью и отдельной LoRA. Для ComfyUI предлагается один файл на 40 ГБ, который заменяет обычный checkpoint, и готовый workflow. Отдельная LoRA на 155 МБ тоже доступна.
A shared image-generation workflow targets blocky skin and crunchy faces, with downloadable text-to-image and edit workflow files. The author recommends a 3552×4736 image size, SamplerLCM with specific noise settings, and prompts phrased like descriptions of phone photography to generate realistic images.
A comparison tests four open-source image models—H3, Krea 2, MOSS and Flux 3—on the same prompt to evaluate their output quality for professional-style photography.
G-STAR от Meituan Longcat сжимает пространственное представление картинки, увеличивая число кодов в каждой позиции. Сжатие в 32 раза доводится до эффективных 64 раз за счёт упаковки блоков 2 × 2 без потерь. Полуавторегрессионная голова выполняет один тяжёлый проход, а лёгкий каузальный слой поддерживает согласованность кодов.
Есть две версии: Pro 8B со сжатием в 32 раза и Flash 1.7B с эффективным сжатием в 64 раза. Заявлена генерация изображения 1024 × 1024 за 2,5 секунды на одной H200 — в 20 раз быстрее прежних дискретных моделей. Текст и лица сохраняются даже при 64-кратном сжатии.
Pro-8B также редактирует изображения по текстовой инструкции: меняет стиль или надпись, сохраняя сцену, композицию и окружение. На GEdit-Bench модель набирает 7,45 — почти на уровне GPT-Image-1 и Qwen-Image-Edit.
BirdDreams по одному кадру камеры одновременно предсказывает видео с перспективного ракурса и схематичный вид сверху — BEV. Два диффузионных трансформера с общим вниманием связывают эти представления. HD-карты и состояния соседних машин не нужны: раскладка сцены становится частью предсказания, а BEV помогает моделировать реакцию транспорта.
Можно задать траекторию эго в метрах через перепроецирование последнего кадра BEV и увидеть реакцию окружающего трафика. Ошибка следования заданному пути на 35% ниже, чем у базовой модели. Для кондиционирования можно подать один кадр BEV или видео и достроить остальное, а сцену — редактировать прямо в виде сверху. Код и веса не опубликованы.
LucidML’s open-source world model generates hallucinated GTA gameplay using a transformer architecture with learned summaries. A playable browser demo, full model weights and inference code are available.
H3-Singularity-ActionGraft без обучения переносит экшн из v2 в Singularity v1.3: автор послойно сравнил checkpoint, перенёс нужные части и добавил рефайнер Motion Repair V2. Заявлены быстрота v2 без его визуального облика и прежнее время рендера; автор советует описывать в промпте обе стороны контакта. Multi-Character Swap 1–4 заменяет до 4 героев за один прогон: у каждого отдельный референс, промпт собирается автоматически, доступны текстовые правки размера и возраста. Есть собственный workflow.
H3 Editor добавляет в ComfyUI таймлайн: шоты задаются текстом, персонажи из картинок вызываются через @Name, результат можно рендерить и монтировать со звуком. На HyperFlow H3 Flash черновики требуют 4 шага, финалы — 6. LoopStudio — локальное веб-приложение для бесшовных GIF со своим ComfyUI, агентом в терминале и набором нод ComfyUI-MiniMaxH3-Loop. OpenDirector — локальная платформа короткометражек на vLLM-Omni и MiniMax H3/FastH3: сцены создаются в диалоге с ИИ, есть бесконечный канвас с референсами, раскадровки, таймлайн и пресеты консистентности для трёх ракурсов, лиц, предметов и 4-кадровых раскадровок. Экспорт — MP4, FCPXML и JSON. ComfyUI-MiniMaxH3-TemporalWindow-SpatialTiles разбивает обработку на тайлы и временные окна без сдвига и ghosting: заявлены 2,5 Мп уже на первом этапе на 4070 Ti с 12 GB. Инструмент предназначен для V2V и апскейла, не для полной генерации.
TurboH3 FL2VA int8-convrot от Kijai переносит дистилляцию TurboH3 в ComfyUI: 4 шага вместо 50, W8A8, трансформер уменьшен с 61 до 19,5 GB; доступны I2VA и FL2VA со звуком. HyperFlow H3 Flash сжат до 14B параметров — примерно вдвое меньше, сокращение на 54%. Он генерирует видео 768p со стереозвуком 32 кГц за 4–8 шагов, по умолчанию 6, без CFD. Q4_K_M занимает около 9 GB и рассчитан на GPU с 24–32 GB; есть INT8-версии ref2va и fl2va. Также вышли SilverTurbo — собственная сборка MiniMax от автора Turbo-LoRA, обновление гибрида MiniMax-H3 × Z-Image и Seed Hunter 3.0 с нативным латентным апскейлом из ComfyUI от Kijai.
H3 Continuity Studio 1.0 introduces a redesigned, simpler Studio interface, multiple video clip lanes for arranging a story, visual continuity tools and enhanced control over frames and joins. An updated video walkthrough is available.
ComfyUI-triXope provides custom MiniMax-H3 nodes for an automated script-to-screen workflow with minimal user intervention. H3 Screenwriter converts screenplays into detailed shot lists with timestamped story beats, while Film Auteur (H3) combines conditioning, shot planning and sampling in one node.
H3 Upscaler offers multiple upscale modes, face detailers and color effects. A Video Timeline Editor supports scrubbing, trimming and exporting without an external NLE. The repository includes a basic workflow.
An experiment with the open-weight MiniMax H3-Image demonstrates combining up to 16 reference images into a coherent scene, including blending painting styles such as Vermeer and Van Gogh. The setup uses ComfyUI with H3-Image and the Qwen3-VL text encoder in BF16, and supports native 4K generation without upscaling.
LoomStroke is a desktop paint app that lets users register any ComfyUI workflow as an AI effect layer. It also supports interactive posing of a 3D doll to guide character illustrations.
Seed Hunter v3.0 provides a workflow for shot and dialogue generation, accompanied by a tutorial covering character reference sheets for both 2D and realistic styles through to short-film editing. It covers model and LoRA choices, prompting strategies, pose references using H3 Image / Pose Studio, and assembling scenes in DaVinci Resolve.
A personal project combines a custom UI for easier camera movement and generation management with ComfyUI workflows for consistent results. Its LLM prompt enhancer turns simple ideas into structured MiniMax H3 prompts; a native 1080p video is available on YouTube.
A sci-fi pilot workflow uses MiniMax H3 and ComfyUI for a multi-step shooting process and local rendering on a single RTX 5090, with references maintaining character and scene continuity. The workflow focuses on minimizing cloud service costs, and the pilot is available on YouTube.
This open-source add-on builds on comfyui-krea2edit, using a “source hold” to preserve pixels across repeated edits, with optional masking outside the editing zone. It significantly reduces mean pixel drift compared with the original nodes; comparisons and workflows are available in the fork repository.
ComfyUI-Smart-Guides snaps nodes to keep wires horizontal and edges aligned, with a selection toolbox for alignment tools. Its distribution feature treats nodes in columns or rows as blocks, and node groups can be resized from any corner.
MOSS AnyPaint — LoRA для MOSS-Image-Base, вдохновлённая Krea 2 AnyPaint. Одна модель поддерживает инпейнтинг и аутпейнтинг с произвольными масками: несколько несвязанных участков, тонкие и изогнутые области, объекты на границе и одновременное редактирование внутри кадра и за его краями. Известные пиксели фиксируются на каждом шаге, вне редактируемой зоны изображение сохраняется. Нужен рантайм из репозитория: обычный загрузчик LoRA не подойдёт. Есть ноды и workflow для ComfyUI, поддерживаются SSD-маски и маски из редактора. Веса доступны под Apache 2.0; у базового MOSS-Image и DMD2 отдельные лицензии.
Для MOSS также вышла обновлённая LoRA, оптимизированная под 4 и 8 шагов и доступная для нескольких моделей, а основная версия Kromoss обновлена до 69800. Среди стилевых моделей — Layered Papercut для многослойных бумажных поделок, Semi-real fine-art painting для полуреалистичной живописи и классического фэнтези, Tiny Thing для имитации макрофотографии раскрашенных миниатюр. Для полуреалистичного аниме автор демонстрации использовал MOSS-Image-SFT_clear с LoRA Mixdark Style и Realistic Background Enchanted, затем апскейл SEEDVR2. Вышли и 4-шаговые MOSS-Image-SFT в GGUF.
MOSS-Image Concept Sliders добавляет в ComfyUI инструменты workflow с быстрым выбором стилей, а ComfyUI-MG-Cache ускоряет работу за счёт кэширования на нескольких уровнях детализации. BBox Studio — отдельный визуальный редактор структурированных bounding box-промптов для MOSS Image: создание и правка объектов на канвасе, настройка холста и экспорт JSON. Приложение запускается одним Python-скриптом, требует только Python 3.x и не имеет внешних зависимостей.
Pruna AI выпустила три открытые LoRA для Qwen-Image-2.1: базовую на 40 шагов и быстрые варианты на 6 и 8 шагов. По умолчанию рекомендуют вариант на 6 шагов без CFG. Быстрые версии работают поверх дистилляционной LoRA PrunaAI/P-Q-Image-2.1 и не требуют менять существующий pipeline.
Объект можно обвести грубым красным контуром или назвать в инструкции. Вместе с ним удаляются тень и отражение, даже за пределами контура; остальная часть изображения сохраняется без изменений и не требует поправок.
Есть ограничения: если контур зацепил соседний предмет, модель иногда удаляет лишнее. Заполненная область может получиться более гладкой и размытой, чем окружение. Доступна отдельная версия для ComfyUI.
Tessera делит видео на тайлы и чанки и повышает разрешение до 2K, 4K или 8K на одной потребительской видеокарте независимо от длины ролика. Потоковое кодирование и декодирование VAE позволяет не держать в памяти весь ролик в полном разрешении. В наборе девять нод: стриминговый энкодер, тайловый рефайнер, потоковый декодер, планировщик с раскладкой и стоимостью тайлов, работа со звуком и другие.
Пустые тайлы вроде неба или дыма не пересчитываются: сохраняется исходное изображение, поэтому модель не может добавить туда выдуманные детали. При увеличении в 2x первый кадр используется как якорь для передачи мелких деталей; при 4x и выше якорь отключают. Совмещать тайлы можно по пикселям ради качества или в латентном пространстве ради скорости. При сбое декодирования латент сохраняется и восстанавливается без повторного сэмплирования.
h3-image-mlx is an open-source MLX implementation of MiniMax H3-Image optimized for low-memory devices such as the MacBook Air. It supports native 4K generation and multi-reference image editing, with a Python API, CLI, automatic model downloads and reproducible benchmarks.
An open-source Blender workflow uses Claude Fable 5.2 and Python scripts to improve a city builder’s 3D assets. Its organic-shape toolkit adds lofts, sweeps, hanging hides, feathers and layered pine boughs.
A “Stage” script automates rendering and validates footprints, triangle budgets and color constraints. Regression checks preserve consistency, keeping the export format unchanged for approximately 450 existing models.
Razdor is an open-source, clean-room reimplementation of the 2004 RPG Discord Times, designed to preserve its game mechanics while improving performance and graphics. The project claims approximately 11× the frame rate on modern GPUs, with support for multiple resolutions, aspect ratios and extensive graphics settings.
It runs on Linux, Windows and macOS, with experimental Android and iOS support. Community content includes 327 maps, 29 campaigns and 25 mods.
A creature creation workflow uses ChatGPT for concept ideas and Meshy to generate 3D models, then integrates Codex with Blender for rigging, animation and textures. The animations are rendered into 2D sprites for use in a game.
Claude Game Pipeline automates 3D game development tasks using Claude and Python in Blender, integrating AI-generated assets and enforcing a consistent artistic style. An “autotest” mode simulates game interactions to detect issues automatically, and the shipping process includes exports for multiple platforms. The reusable skill and the Alchemists of Prague game repository are available on GitHub.
Fableflight is a standalone, open-world flight simulator built in Rust without an existing game engine, focusing on detailed graphics, rendering performance and immersive environments. It is free to download, compile and play, welcomes contributions, and requires Rust and a reasonably powerful GPU to run.
A developer outlines an AI-driven pixel-art action RPG workflow using multiple coding agents in parallel git worktrees. Agents create and run their own testing tools, pixel-art linters check visual standards, and playtesting bots identify gameplay bugs in real time.
Simulation-driven reports inform balance adjustments across classes and bosses. The game has 3 rendering modes, and the development breakdown covers both successes and failures.
В работе NeurIPS 2025 исследователи обучали маленькие диффузионные модели на 1024 фотографиях лиц. После 100 тысяч шагов модель генерировала качественные лица, и ни один из 10 тысяч сэмплов не копировал обучающее фото. К 1,62 миллиона шагов уже 34 из каждых 100 сэмплов воспроизводили изображения из обучающего набора.
Время до появления качественных картинок не зависело от размера набора данных. А начало копирования сдвигалось пропорционально его размеру — примерно на 300 шагов на каждое изображение. Из этого следует, что при обычной длительности обучения на большом наборе модель останавливают задолго до того, как она успевает запомнить данные.
Эксперимент проводили на маленьких моделях и серых изображениях лиц размером 32 × 32. На моделях уровня Stable Diffusion такую проверку не проводили, а крупные модели действительно воспроизводят часть обучающих изображений.
Suno выпустила Bridge для работы рядом с DAW: промпты создают инструментальные партии и вокал прямо на таймлайне Ableton Live, где их можно объединять с привычными плагинами и инструментами. Генерация следует темпу, тональности, гармоникам и груву сессии. Область промпта задаётся маркерами лупа в Arrangement View.
Для синхронизации файлы сессии загружаются на серверы Suno, чтобы модель получила музыкальный контекст. Бета работает только с Ableton Live 12 на macOS и входит в подписку Premier. Другие платформы и DAW обещают добавить позже.
Zyphra выпустила Zonos3-Mini — генератор речи со 100 млн активных параметров и поддержкой 43 языков, включая русский. Он клонирует голос по короткой аудиозаписи и работает в реальном времени на телефоне или ноутбуке прямо в браузере через WebGPU, без Python и CUDA.
Можно управлять возрастом спикера, акцентом, тембром, эмоцией, темпом и ударениями вплоть до отдельных слов. Речь звучит естественно, без металлического призвука легковесных моделей. Веса доступны в GGUF и Safetensors, для продакшена есть инференс через Zyphra Cloud.
Liquid AI представила LiquidCodec — потоковый аудиокодек на 74 млн параметров, который служит токенизатором для LFM3-Audio и LFM3-Omni. Симметричные полностью каузальные энкодер и декодер построены на архитектуре LFM3. Кодек преобразует речь в дискретные токены и обратно, работая с моноаудио 24 кГц.
Групповое конечное скалярное квантование делает коды независимыми друг от друга: модель предсказывает все токены кадра параллельно. Частота — 12,5 Гц, по 12 токенов на кадр, битрейт — около 1,65 кбит/с. На одном ядре CPU кодирование идёт в 361 раз быстрее реального времени, декодирование — в 87 раз. Модель обучали на 264 тысячах часов аудио на 107 языках.
Декодер обучен с квантизацией: версия Q4 весит втрое меньше почти без потери качества. По заявленным результатам, LiquidCodec превосходит X-Codec 2, NanoCodec и Mimi по качеству реконструкции и естественности синтезированной речи. Кодек ориентирован на речь.
Nex-N2.6 рассчитана на управление компьютером, кодинг и длинные задачи с инструментами. Веса выпущены в FP8, размер модели — примерно 321 млрд параметров. Доступны три уровня рассуждений: низкий, высокий и максимальный; по умолчанию выбран максимальный.
По внутренним тестам команды, доля повторов в рассуждениях снизилась с 16% до 1,6% — в десять раз. Все вызовы инструментов в тестах укладываются в объявленный список доступных инструментов. На OSWorld модель набрала 83,0, превысив результат базовой GLM-5.3-Flash.
Cloudflare открыл исходники Kitesurf — браузера для ИИ-агентов на Rust и WebAssembly, без Chromium. Он работает прямо в Cloudflare Workers в бессерверной среде, не требует локального браузера и расходует до 7 раз меньше процессорных ресурсов и памяти, чем Chrome.
Kitesurf подходит для скриншотов, простого сбора данных с сайтов и поиска в интернете. Агенты могут использовать его вместе с полноценным браузером для сложных задач. При этом Kitesurf примерно в 2 раза медленнее Chrome и не проходит CAPTCHA; автор рассматривает его как лёгкий вариант для простых повторяющихся операций, а не замену обычному браузеру.
Duo v1 от Inclusion AI непрерывно воспринимает аудио и видео и отвечает в реальном времени. Полный дуплекс позволяет ей одновременно слушать и говорить, без паузы реагировать на перебивания, поддерживать спонтанные реплики и даже «передачу предметов через камеру».
Модульная система объединяет модель намерений, «манифест речи», распознавание речи и временное выравнивание. Duo инициализирована от MiniMax H3 и дообучена командой Duo. Доступны веса каузальной базы, дистиллированной и её квантованной версии, а также более новая версия 1.2.
По данным WSJ со ссылкой на анонимные источники, NVIDIA вместо снижения цен при затоваренных складах вкладывала миллиарды в ИИ-стартапы и небольших облачных провайдеров. Те строили дата-центры и покупали ускорители у самой NVIDIA. Издание связывает схему с переходом техногигантов на собственные чипы: под заказы NVIDIA у TSMC уже зарезервированы большие объёмы пластин без покупателей, а круговые вложения поглощают излишки и поддерживают высокую маржу.
Согласно этому рассказу, на закрытом августовском совещании финансовый директор Колетт Кресс требовала свернуть такие сделки, включая соглашение с OpenAI на 250 млрд: небольшие облачные провайдеры не смогут самостоятельно расплатиться за GPU. Хуанг назвал её «оленем в свете фар» и продолжил финансирование.
Автор канала связывает эту схему с подорожанием RTX 50 ещё на сотни долларов и утверждает, что RTX 5070 Ti и RTX 5080 с 24 ГБ сняли с производства под предлогом нехватки GDDR7 и квот TSMC.
refuseless предлагает бесплатные модели без цензуры и даёт новым аккаунтам $3 API-баланса без банковской карты. Автор предполагает, что 300 кредитов соответствуют этим $3, но точный механизм списания не подтверждён; ссылка на сервис реферальная.
12 ноября полиция и армия Гаити вместе со спецназом Сальвадора выбили банды со стадиона Сильвио Катор в Порт-о-Пренсе. Банды удерживали его с февраля 2024 года. Коммерческие Unitree Go2 с автоматами IWI ARAD на самодельных кронштейнах отправляли впереди солдат в трибуны и закрытые помещения уже отбитого стадиона — искать засады. Оружие крепили магазином вверх.
Автор утверждает, что роботы никого не убивали, но сведений о том, стреляли ли они и были ли от их огня потери, нет. В основе истории — публикация президента Букеле в X от 13 ноября и 76-секундное видео, где на газоне на белых четвероногих роботов устанавливают винтовки. События подтвердили Reuters, BBC и Al Jazeera; полиция Гаити заявила о полном контроле над стадионом.
Внутри нашли человеческие черепа и кости. Стадион превращают в базу для наступления вглубь районов, контролируемых бандами.