Mundo строит интерактивную сцену по 1–12 фотографиям. В ней можно перемещать камеру, ронять предметы и запускать роботов. Геометрию и физику рассчитывают отдельно, а видеомодель дорисовывает вид на основе исходных снимков — это помогает сохранять обстановку при смене ракурса.
Система показывает и области, которых не было на фото; дополнительные исходные виды уменьшают число домыслов по краям сцены. Длинный маршрут обрабатывается перекрывающимися фрагментами. Мир описан кодом, физику массы, трения, гравитации и столкновений считает MuJoCo. Можно остановить время и облететь выбранный момент; для роботов предусмотрены навигация и захват предметов с видом от первого лица.
A local workflow on an RTX 3070 uses Hunyuan3D 2.1 to create an initial mesh, Hi3D to refine its geometry and detail, Blender’s Decimate modifier to reduce its polygon count, and TRELLIS.2’s texturing model to texture it. The workflow also covers mesh simplification.
A game-asset workflow compares generating and texturing 3D models with Hunyuan 3D, Trellis.2, and Pixel3D. It covers character customization, rigging, and texturing, with reference images, output comparisons, and generation times on a 4090 GPU.
MiniMax обновила каталог community-разработок для H3: добавлено 11 позиций. Среди них FastH3-Omni для генерации видео со звуком за 8 шагов по изображениям, видео и аудио; Sol-H3 с дистилляцией до 4 шагов; Ref2VA-VSA для референсного режима с заявленным автором двукратным ускорением на 4090; VPack для сжатия референсного видео и Ref Patch размером 148 МБ. Есть варианты запуска на серверных GPU, TPU через TorchTPU и Apple Silicon через h3.c.
Полный набор весов занимает около 464 ГБ. Для 24 ГБ VRAM указан pruned int8 весом 19,5 ГБ, для 12–16 ГБ — GGUF Q4_K_M с квантованным текстовым энкодером; путь через DiffSynth-Studio работает на 8 ГБ, но медленно. Клип 768p длительностью 14 секунд рассчитывается за 51 секунду на одной B200 или за 11 секунд на восьми.
Отдельно вышла LoRA для i2v на переработанных данных VBVR: она уменьшает дублирование объектов, клиппинг и взаимопроникновения, а действия персонажей делает логичнее. LightX2V обновила Turbo LoRA: FL2V v1.3, REF2V v1.1 на 4 шага, версию v1.1 на 8 шагов и FL2V на 4 шага в fp8. Каталог ведёт MiniMax, перечисленные разработки сделаны сообществом.
Speculative Sampling заранее генерирует фрагмент видео, пока условия не изменились, и выдаёт кадры из кэша. При новом вводе неизменяемый префикс сохраняется, а оставшийся фрагмент пересчитывается. Метод не привязан к конкретной модели и позволяет менять размер окна внимания, не сводя его к маленькому окну ради скорости.
С MiniMax H3 первый отклик занимает около 1,4 секунды при генерации фрагмента длиной 5 секунд. Дополнительное обучение, как в Self-Forcing, не требуется. Ожидание больше не ограничено половиной длительности фрагмента, а увеличение фрагмента почти не влияет на время шага, поскольку вычислительные ядра недогружены.
SenseNova 6.8 Code2Video пишет программу по описанию и рендерит по ней видео. Она рассчитана на моушн-графику, кинетическую типографику, анимированные иллюстрации, презентации продуктов и визуальные объяснения. Референсный ролик можно пересобрать в редактируемый код, а затем менять цвет, тайминг, движение и элементы словами. Каждый элемент — именованный объект: меняется только то, о чём попросили, без перегенерации кадра.
В основе — Qwen3.8-27B с контекстом 512 тысяч токенов; модель поддерживает сессии длиннее тысячи шагов. Текст набирается дословно, числа и формулы берутся из источника, а физика рассчитывается по уравнениям. Рендер дешевле сэмплинга видеомодели и работает на обычном железе. Веса открыты; версии INT4 и INT8 обещают позже.
NVIDIA’s Open-H3-Regenerate-2K refines MiniMax-H3 drafts. Its ComfyUI guidance covers LoRA conversion and sampling settings for improving video quality while retaining features of the original.
A ComfyUI music-video setup combines a custom-node MCP video builder with a 2-pass scene workflow. It uses Krea2 for text-to-image generation and YUE2 for music, with automated scene review and correction up to three times.
Clown Context pins the previous clip’s final frames to the start of the next to carry over motion. Clown Prophecy renders a fresh ending before a shot is complete, and Clown Anchoring attaches that clean ending to the back of the shot. The workflow also includes a bypass switch, an option to run Prophecy every N shots, and a counter for saved clips.
This workflow uses a 2x2 storyboard grid as a reference image for generating music-video scenes with MiniMax. It includes a ComfyUI video builder, a 2-pass workflow, prompts for animated sequences, and discussion of possible prompt refinements.
A locally executable workflow uses Claude for research, script development, prompt generation and image-error checks; Qwen Image 2.1 for images; MiniMax H3 for video; and Qwen3-TTS for narration. It upscales the resulting video to 2K with RTX Video Super Resolution.
A local video-generation workflow uses MiniMax H3 Singularity Ref2VA V2 (INT8) on an RTX 3060. It generates at a native 2336×1312 resolution without upscaling and covers memory optimization, generation parameters, frame rate and total generation time.
A ComfyUI wildlife video workflow uses MiniMax H3 Singularity V2 with a DMAD 4-step method. It generates natively at 1536×864 and 24 FPS on an NVIDIA RTX 3060 12GB, with a total generation time of approximately 37 minutes and 36 seconds.
The title sequence uses ComfyUI with LTX-2.5 and MiniMax H3 for image-to-video generation. Its workflow focuses on fog, light, and architectural consistency, followed by editing and color grading.
A ComfyUI workflow uses MiniMax H3 and image references for different scenes to turn a toy Ferrari replica into a realistic image. It generates high-resolution outputs in 45 seconds per iteration on an RTX 5070 Ti.
OPENjutsu от ComfyOrg заменяет человека в видео персонажем с одной картинки, сохраняя движения, ракурс и исходную звуковую дорожку. В интерфейсе можно выбрать начало и длину фрагмента, качество 480p или 768p и при необходимости задать первый кадр. Его можно подготовить через GPT Image 2.5 в Comfy Router.
Приложение построено на workflow Akatz Labs и MiniMax H3. Для маски SAM выбирает самого крупного человека в кадре; генерация идёт с 8 шагами, CFG 1 и окнами по 124 кадра. Нужны аккаунт Comfy и API-ключ к своему деплою. Тестировали на RTX PRO 6000 с 96 ГБ памяти; конфигурации с меньшим объёмом не проверяли.
У локального Openjutsu также заявлены замена объектов и фона в дополнительных режимах и автоматическое составление промптов с Qwen3-VL 8B. В инструкции по установке есть проверки необходимых моделей и nodes.
MatAnyone-E строит согласованную между кадрами альфа-маску человека, сохраняя тонкие края и сложную прозрачность. Качество — на уровне прошлой версии. Сначала модель делает дешёвый проход в низком разрешении, затем сопоставляет в полном разрешении только участки с неуверенной маской и важные области памяти. Декодер заменён на лёгкий.
На одной H200 с torch.compile заявлены 73 кадра в секунду для 1080p и 28,6 кадра в секунду для 4K — в 7,4 раза быстрее MatAnyone 2 на 4K. Пиковое потребление памяти — около 3,1 ГБ. Результат подходит для композитинга, VFX и замены фона. Код ожидается.
FrameForge combines automatic script writing with Minimax H3, reference and asset management, a pose studio for positioning characters, and a voice clip generator.
This face-refinement workflow targets blurry or distorted faces in MiniMax H3 videos. It combines Face Refiner groups and custom nodes with a SelfLift sampler and VEDA Sparse Attention for optimization.
Для MOSS-Image появились LoRA со стилями Kodachrome, включая версию 2, нуара, сюрреализма, импрессионизма на 51 картине из общественного достояния, HiToon с 2/2,5D-иллюстрациями, западных фильмов и научной фантастики 1950-х. Есть слайдеры яркости, баланса белого, HDR, толщины линий, резкости и размытия; у Antiblur отрицательные веса повышают чёткость фона, положительные смягчают изображение. Другие инструменты работают с прозрачностью и чёрно-белой мангой, редактированием по красной рамке и глубине, отдельной настройкой силы для всех 42 блоков MOSS Base и LoHA-адаптером для изображений от 4 Мп.
В ComfyUI добавлены поддержка colour-depth control и rope scaling в Portable 0.43.0, нативные node для MOSS-Image Edit, workflows для манги, раскадровок, плиточного редактирования и апскейла. Для Edit вышли HQ v3 и v5; нативные node поддерживают HQ и chinoll LoRA, кэшируют референсы, а протестированные настройки — strength 1.0, CFG 5/3, skip layer 22 и SFT. Для er-sde автор рекомендует Spectrum-MOSS v0.8.1: на 3060 с 12 ГБ заявлен прирост около 20%. Есть конверсия SFT для AMD и сборка Nunchaku.
Инструменты для управления композицией используют JSON-промпты с координатами, BBox, Canny и цвето-глубину ControlNet; элементы можно перемещать, добавлять и удалять, задавать текст со шрифтами. Доступны неофициальный гайд по промптам, Ollama-помощник с caption- и layout-режимами и 9 workflows для text-to-image, работы с изображением и апскейла — для ComfyUI 0.42+ и Pixaroma 1.4.219. Показано также обучение персонажной LoRA в Fizgig под AMD/Windows на Radeon RX 7900 XT и Ryzen 7 5800X3D.
OpenFill adds local, ComfyUI-backed editing to PhotoCraft. It can generate up to 5 variations from a selection and prompt, remove objects without a prompt, expand an image by dragging its edges or choosing a ratio, and create images or layers from text. ComfyUI runs in the background without a node graph in the editing interface, with live sampling previews; on Windows, OpenFill can download ComfyUI automatically.
Krea 2 BBOX models are available as Raw, Raw EMA, Turbo, and Turbo EMA, with extracted LoRAs at ranks 64, 128, and 256 in diffusers and Comfy formats. Krea 2 Turbo with a BBOX LoRA allows subjects to overlap bounding boxes; MOSS native Layout to Image keeps subjects within their bounding boxes. A Krea 2 checkpoint is available to test on Hugging Face Spaces.
Moss Serenity v6 was trained for 210,000 steps on 8,000 images. The model is available on Hugging Face and Civitai, alongside sample images, example workflows, and the Maltrainer fine-tuning trainer.
AuroraIMG2-50M is a text-to-image model with a 50-million-parameter denoiser, a custom text encoder and a pretrained Flux VAE. On a 2016 laptop CPU, it takes 27 seconds at 50 steps or 11 seconds at 20 steps. It is licensed under Apache 2.0.
MotionBricks генерирует движения в реальном времени для человеческого тела SOMA и робота Unitree G1. Модель обучена на более чем 350 тыс. клипов движений; автор канала описывает её как одну сеть на 350 тыс. навыков. Заявлены 15 тыс. кадров в секунду и задержка около 2 мс.
Модель управляет ходьбой, бегом и поворотами по скорости и направлению, переключает походки и стили — хромоту, зомби, подпрыгивание, движение боком и боевой стиль — прямо во время работы. Для взаимодействия с предметами, например чтобы поднять меч, сесть или перепрыгнуть скамью, используются прокси-кадры: подход и контакт сеть достраивает сама. Новые задачи не требуют дообучения и тегов под задачу.
Готовые модели доступны в ONNX, checkpoint — на Hugging Face. Рантайм использует Warp, Newton и TensorRT; есть экспортёр в ONNX. Демо в Unreal Engine 5 длится 2:40 и показано без склеек, фиксации стоп и ручных переходов.
SOMA восстанавливает движение внутренних мышц и кожи по позе и виду тела на обычной многокамерной съёмке. Модель описывает скелет, отдельные мышцы в высоком разрешении и кожу: мышцы деформируются покадрово, а кожа скользит и сжимается поверх них. Тяжёлое конечно-элементное моделирование не требуется.
Для обучения собрали датасет SKIM со сканами тела и привязкой маркеров к отдельным мышцам: одних маркеров на коже недостаточно, чтобы восстановить внутреннюю анатомию. На результат также накладываются ограничения по гладкости, сопротивлению изгибу и сохранению объёма.
MoCap Anything V2 принимает видео и референсный скелет, а на выходе даёт повороты суставов в формате BVH. Система предсказывает их напрямую, без промежуточного меша, аналитического IK и подгонки под шаблонное тело. По заявлению авторов, это примерно в 20 раз быстрее пайплайнов через меш.
Поддерживаются люди, животные, предметы и собственные риги; вместо готового ассета можно загрузить своего FBX-персонажа. В режиме Dance Anything танцора вырезают из видео с музыкой, переносят движение на существо и возвращают звук.
Workflow объединяет Krea 2 и Pose Studio: позу можно взять из референса или настроить на 3D-манекене, затем сгенерировать персонажа в загруженном стиле. Есть настройки доводки и апскейл; JSON-файлы для workflow доступны через Patreon.
Автор собрал решение на LoRA для редактирования Krea 2, потому что ему не хватало разнообразия стилей и реалистичности у Qwen и Klein. Официальной поддержки Krea 2 в Pose Studio и сопутствующей LoRA для точного следования позе нет. По оценке автора, workflow в целом работает хорошо, но часть прогонов приходится переделывать или перенастраивать.
A workflow using Claude detects 2D joints in reference video with MediaPipe, converts poses to 3D with HMR 2.0, and tracks objects with YOLO11. It renders the result in Blender and can export GLB or other formats.
Genie 4 позволяет перемещаться по миру и управлять камерой с клавиатуры, а погоду, людей и предметы менять текстом на ходу. Симуляция включает столкновения, аэродинамику, взаимодействия, многошаговые события, звук и диалоги персонажей с речью, которая подстраивается на лету.
В основе — Gemini Omni и другие модели Gemini. Gemini 3.8 Flash в цикле просматривает кадры, разбивает задачу на шаги и проверяет результат. Видео и звук помечаются SynthID. На длинных сессиях детали могут плыть; остаются сложности с постоянством объектов, физикой и читаемым текстом. Открыта запись в вейтлист.
ComfyUI v0.43.0 adds RoPE scaling, color-depth control, and Edit LoRA support for MOSS-Image. It also adds Fibo 2.0 support, changes its scaling to NTK-aware, and fixes negative-prompt handling for Fibo 2.0 text-to-image.
Other changes include Model Prefetch graph-cleanup synchronization, AMD VAE improvements, and image color-space conversion and saving support. Partner Nodes add HeyGen voice cloning and text-to-speech, a Crystal Video Upscaler node, and FLUX 3 Max and Video nodes supporting 2K/4K resolutions.
Freefield is an open-source, ComfyUI-based suite of 117 apps for image, video, VFX and audio work using open weights. Tasks include creating images with FLUX 3 Klein, video extension, relighting and effects. It includes a GPU lab for running apps, with a dedicated folder for each app’s app.json and ComfyUI workflows.
This custom node aims to improve motion-transfer accuracy in MiniMax H3 video generation. It creates batches of frames with overlapping sections and can split generation into tiles with configurable resolution and overlap. It is available in ComfyUI Manager as Minimax H3 Temporal Window & Spatial Tiles.
The ComfyUI text generator now has context memory for refining prompts across runs, with a customizable 8192-token window. It adds guides for Moss Image and Fibo 2, recommends VGL structured JSON prompts for Fibo 2, and separates settings from generator nodes. Model lists are searchable by provider and require an API key; the settings node is expandable.
Klein CLIP Loader cuts the reported VRAM requirement from 5.5 GB to 3.2 GB by loading 27 of Qwen3’s 36 layers, omitting the final norm and LM head. GGUF token embeddings remain quantized. It is designed for lower-VRAM setups while maintaining output quality.
This open-source character reference model for Anima generates identical characters from a single image, without lengthy captioning or training. It also supports multiple characters.
LayerShop is an open-source Windows tool that combines local generative AI through ComfyUI with cloud models. It aims to serve beginners and advanced users; easy generation of rectangular regions is planned.
ComfyUI-Breeze подсвечивает связи выбранной node: предшественников синим, последователей янтарным, а общие узлы нескольких выбранных node — фиолетовым. Подсказки на проводах показывают тип и подключённые node; для провода, ведущего в поле, видны источник и значение после прогона. Есть стрелки перехода по связям и анимация направления сигнала.
Расширение собирает провода от одного выхода в общую шину, показывает за краями экрана компас с невидимыми node, сохраняет их названия при отдалении и позволяет прикреплять заметки. Работает в режиме Node 2.0.
An experiment trains KREA2 LoKRs on datasets of 3, 8 and 15 images to compare likeness, style variation and results at different angles. Its showcase-shot workflow uses krea2 int8 and a qwen3vl 4b text encoder.
These LoRA adapters generate or edit images in 6 steps instead of 40 without changing the Qwen-Image-2.1 pipeline. A 6-step upsampled model improves visual quality; eliminating the upsampling step saves 41 to 80 seconds per generation, depending on prompt style.
A new Qwen-Image 2.1 LoRA is inspired by the Gaussian Splash LoRA for 2511. It offers more control through prompting than the original 2511 LoRA’s plug-and-play approach.
H3 Relay Hires is an open-source tool and workflow for 2 MP anime upscaling, reported to render about 4× faster than native methods without sacrificing quality. Its example workflows cover fast motion and face-detail improvements. It uses AnimeSR, a custom upscaler trained to retain details in 2D anime styles.
Liquid RIPL — движок инференса для моделей семейства Liquid Foundation Models. Он рассчитан на полный ответ менее чем за 50 мс при нагрузке до 1000 запросов в секунду, без ожидания потока токенов. Модель работает в критическом пути запроса, а не в пакетной очереди. Первым RIPL внедрил Shopify — в поиске.
Liquid предлагает использовать небольшие языковые модели вместо градиентного бустинга и векторных эмбеддингов для онлайн-ранжирования, рекламы, скоринга и антифрода. Развёртывание у клиента доступно по запросу. Автор ставит вопрос, окупит ли качество на реальных данных стоимость такого инференса, и отмечает отсутствие публичных замеров.
PHOSPHOR creates customizable pixel effects as JSON scenes and exports them to Godot (.tres), GameMaker strips, and .aseprite files. A coding agent can write, render, and tweak scenes from prompts using command-line tools and a skill file.
AutoSprite turns a single character image into an 8-direction isometric spritesheet for RPGs, ARPGs, and tactical games. It offers character-customization workflows for consistency across animations, a playable browser preview, and integration with Claude Code and Codex for working with generated assets.
A developer’s mermaid-game workflow uses Open AI for asset designs, Meshy to turn assets into 3D models, Blender for rigging and animation, Claude Code to orchestrate development, and Godot as the game engine. The developer describes iterating through challenges with 3D assets and animations.
A step-by-step workflow covers Pixel Lab’s Vibe Coding and MCP configuration, integrating AI tools such as Claude for sprite generation, and maintaining animation consistency. It includes a video walkthrough.
Spires of Azeroth is a fan-made, Slay the Spire-style game featuring World of Warcraft classes and spells. It runs in a browser without signup, and its code is available on GitHub.
This proof-of-concept workflow uses Remotion for video editing and PixelLab.ai for assets, alongside ChatGPT and Midjourney. It includes prompts, methods, and animated examples for cutscene creation.
A tutorial covers creating pixel art visual effects with Claude-generated code, using iterative design and visual references. It includes a detailed write-up and code.
F2G-Pose по одному снимку RGB-D и готовой маске за один проход предсказывает 6D-положение объекта, его реальный масштаб и дополненное облако точек в координатах камеры. Модель работает с категориями объектов без отдельной модели для каждого предмета и достраивает невидимую с камеры часть формы, в том числе у прозрачных и блестящих предметов — стекла и зеркальной посуды.
Замороженный RADIO извлекает плотные признаки, глубина и маска связывают их с точками сцены. DGCNN собирает локальную геометрию, трансформер со смесью экспертов добавляет контекст, после чего три головы оценивают позу, размер и форму. Скорость — 28 кадров в секунду при оценке только позы и 23,7 с полной моделью. Предсказанную позу можно использовать для захвата и установки предметов роботом.
OpenBMB представила MiniCPM OCR 1.0 на 1,3 млрд параметров для сложной вёрстки, таблиц и формул. DSpark повышает пропускную способность на 55%. Модель Jev на 2 млрд параметров проверяет точность распознавания, в том числе у других систем: на JevOCRBench она набрала 0,936 AUROC и помечает сомнительные места для ручной проверки.
Unlimited-OCR 2 от Baidu — модель примерно на 3 млрд параметров для сканов, PDF и многостраничных документов, включая таблицы и формулы. Механизм SR-SWA держит в рабочей памяти 512 опорных токенов и обращается к текущей странице и нужным фрагментам вместо всего документа. Поэтому стоимость шага почти не растёт с длиной: на сотне страниц отдельные шаги декодирования до 7 раз быстрее полного внимания и до 5,6 раза быстрее прошлой версии. Страницы обрабатываются перекрывающимися блоками с освобождением памяти по ходу работы. Лицензия MIT разрешает коммерческое использование.
Hy-SimulMT переводит потоковую речь между китайским и английским в обе стороны, выдавая текст по ходу разговора, не дожидаясь конца фразы. Система также может озвучивать перевод с сохранением тембра говорящего, но для синтеза и клонирования голоса нужен отдельный TTS-сервис. Для встреч, докладов и интервью есть приложение Hy Translate; в репозитории — код для инференса и обучения.
У модели 30 млрд параметров, из них 3 млрд активны на токен. Задержка на длинном аудио RealSI — около 3 секунд по метрике StreamLAAL. Результаты: 84,7 на RealSI-Sentence — лучший показатель в сравнении, 90,3 на FLEURS и 81,2 на ACL6060; на FLEURS у Gemini 92,4. По GEMBA модель обошла четыре из пяти коммерческих API.
Авторы также сравнили систему с шестью профессиональными синхронистами на 18 новых шестиминутных записях из десяти сфер. Качество оказалось на уровне людей, а ответ система часто выдавала быстрее.
В TAKE STUDIO сценарий и реплики находятся в одном окне, а озвучкой на Drama 3 можно управлять через эмоцию и подачу. Работа строится в четыре шага: написать, срежиссировать, послушать и поправить; локальная установка не нужна.
StreamVibe следит за видеопотоком и сам решает, когда помочь с задачей, даже если просьба не содержит явного триггера. Он учитывает явные, неявные и меняющиеся по ходу запросы, отслеживает прогресс, не повторяет устаревшие подсказки и может принять добавление, замену или прерывание просьбы.
Система состоит из потоковой модели и обвязки, которая хранит состояние запросов, прогресс и прошлые ответы. Обучение сначала балансирует молчание и речь, затем использует RL на коротких отрезках вокруг моментов, когда нужна помощь. По умолчанию ассистент молчит и говорит только в такой момент.
Flint от Recursive Superintelligence рассчитана на работу с незнакомыми репозиториями: поиск и исправление багов, добавление функций и тестов. Модель поддерживает многошаговые вызовы инструментов и режим рассуждений. Она работает в llama.cpp, Ollama, LM Studio, vLLM и SGLang; для ноутбуков есть отдельный движок rec, а для Apple Silicon и NVIDIA — собственные ядра.
У Flint 39,8 млрд параметров, около 2,5 млрд активных, и контекст 262 К. В модели 49 слоёв, по 256 экспертов в каждом; выбираются шесть экспертов и один общий. Скорость — более 125 токенов в секунду на M4 Pro и более 150 на RTX Spark.
Команда называет Flint лучшей MoE-моделью до 50 млрд параметров и утверждает, что она догоняет плотные модели на 25–40 млрд, работая впятеро быстрее. На создание модели ушло меньше четырёх месяцев.
Fern — первая модель Mirendil, обученная с нуля. Контекст до 10 млн токенов позволяет работать с репозиторием целиком: это примерно 23 МБ кода или полмиллиона строк. Модель рассчитана на задачи кодинг-агента, разбор длинных логов и трасс, проверку претрейн-данных на дубликаты и загрязнение бенчмарками, а также работу с исследовательским кодом — циклами обучения, пайплайнами данных и замерами.
У модели 0,1–0,5 трлн параметров. На RULER поиск одиночного фрагмента сохраняет результат 100% при контексте 10 млн токенов, а результат по многошаговым вопросам на той же длине падает до 45%. Доступа к Fern пока нет; Mirendil разрабатывает ещё две более крупные модели.
GPT-6.1 Terra заменяет GPT-5.6 Terra. Модель разбирает чертежи, таблицы и скриншоты, работает с формами, документами и видеомонтажом в десктопных приложениях. Текст стал чище и естественнее; модель справляется с задачами, для которых раньше требовались флагманские модели.
API вдвое дешевле, чем у GPT-5.6 Terra и GPT-6.1 Sol: $1 за миллион входных токенов, $5 за миллион выходных, кэш — $0,05. На Agents’ Last Exam результат вырос на 15 процентных пунктов при трети прежних затрат. По результатам модель идёт наравне с GPT-6 Astra при цене в 10 раз ниже и работает более чем втрое быстрее Astra и Sol. Доля ошибок на провокационных промптах при низком усилии снизилась с 53,6% до 16,7%; результат на Terminal-Bench 4.0 вырос с 21,5% до 50,3%.
Модель доступна в ChatGPT Work, Codex и через API. Для сложного кода автор советует выбирать Sol и Astra.
VitronEdit brings image, video and 3D scene editing into one framework. It uses text instructions and reference images for image and video edits, and aims to maintain geometric consistency across viewpoints in 3D scenes. Cross-modal learning transfers editing knowledge between the three formats, while geometry-aware training uses depth and camera-pose supervision.
Turing Unlock supports UEFI and Linux, while Ampere Unlock and Ada Unlock use Linux kernel modules. The discussion covers FP32 accumulation, GPU limitations, and performance gains measured in TFLOPS for AI and machine-learning workloads.
GPU Unlock is an open-source Linux kernel module for the RTX 3090. ComfyUI benchmarks report up to 55% faster image generation and 40% less energy per image, with outputs that are SHA-256 identical to stock.
Opera запускает модели на устройстве: сайты и расширения получают доступ к генерации текста, классификации контента и поиску связей между фрагментами через открытый стандарт WebAI, который поддерживают Google и Microsoft. Привязки к одной модели нет: на старте доступна Gemma от Google, а на Mac — ещё и встроенная модель Apple. Доступ выдаётся каждому сайту отдельно; по умолчанию модели не загружаются. Данные остаются у пользователя, платы за запросы и подписки нет.
Функция доступна в Opera One на 64-битной Windows с процессорами Intel или AMD и на Mac с чипами Apple. Скорость зависит от железа; позже поддержку добавят в Opera GX и Opera Neon. Также Opera показала HTML-in-Canvas: живые страницы можно вставлять в 2D- и 3D-сцены, сохраняя работу кнопок и форм.
Snapchat открыл Web Lenses: веб-игру можно экспортировать из PlayCanvas в zip и загрузить через My Lenses без отдельной установки или магазина. Snap рекомендует PlayCanvas как основной движок. Игра запускается в приложении по имени или Snapcode; доступны 2D, 3D, WebGPU, гауссовы сплаты, таблицы лидеров, Bitmoji и сохранения через API. Сборку можно поручить агенту через MCP или сгенерировать по промпту в Easy Lens.
Лимит архива — 8 МБ, файла index.html — 1 МБ. Формат рассчитан на портретный экран 9:16 на iOS и Android. Разрешены WebAssembly с потоками, воркеры и eval; доступ к сети, камере, микрофону и датчикам движения закрыт. Web Lenses пока в бете, правила могут измениться.
