SplatPilot для Blender 5.3 расставляет камеры, рендерит виды сцены в Cycles или EEVEE и обучает сплаты на GPU прямо в Blender. COLMAP не нужен: позы камер и начальные точки берутся из Blender, причем точки сразу лежат на поверхностях. Обучение использует глубину и альфа-канал; для комнат и пейзажей добавляются дешевые виды с надзором только по альфе и глубине.
При экспорте в цвет запекаются view transform, кривые, баланс белого и попиксельный композитинг. SOG помечается как antialiased, и во вьюере с линейным тонмаппингом сплат совпадает с рендером. Движок работает на Vulkan, код написан на Slang, поддерживаются Windows и Linux.
На RTX 4070 сцена Classroom заняла около 2 минут в режиме Draft и 19 минут в Standard, включая рендер. Расширение продается на Superhive: $19 за одного пользователя или $42 за студию до пяти человек.
MPEG-Diffusion на базе Wan2.1 14B генерирует фон в низком разрешении, а ключевой объект — в высоком. Метод использует 30% токенов от полного варианта и даёт ускорение в 4,8 раза при метриках качества почти на уровне генерации в полном разрешении. Подход также применили к изображениям на примере FLUX.2 4B с разрешением 1024 px.
Область высокого разрешения выбирает линейный слой на признаках DiT. Раздельные кэши K/V для высокого и низкого разрешения устраняют деградацию внимания при их смешении. Единый латент на декодере VAE даёт бесшовный видеоряд на границе областей.
На быстро меняющемся фоне переход между областями иногда заметен. Выбор региона обучен только на линейной голове; end-to-end дообучение запланировано. Код и веса пока не опубликованы.
MovieRoll на базе HunyuanVideo-1.5 генерирует видео потоком без деградации со временем. Модели обучали на клипах длиной до 15 секунд, а работу с собственной историей и кешем используют, чтобы сохранять качество до 60 секунд.
Доступны две модели — Base и Distilled, обе работают за несколько шагов. На HeliosBench Distilled получила лучший суммарный балл среди сравниваемых методов в одно- и многособытийных задачах длительностью до 60 секунд, сохраняя движение и естественность. В планах — поддержка RTX 4090 и RTX 5090, а также оптимизация инференса.
AURA от Kyutai превращает фото человека и запись его речи в видео. Кадры генерируются порциями по мере поступления звука: модели не нужно ждать несколько секунд аудио наперёд.
Версия на 1,3 млрд параметров выдаёт 576p при 16 кадрах/с и работает в реальном времени на одной H100. Старшая модель на 5 млрд параметров генерирует 720p при 25 кадрах/с. Обе — дистиллированные модели: им нужно четыре шага вместо пятидесяти у исходной модели.
На длинных речах AURA сохраняет лицо, удерживая первый кадр в памяти как ориентир. Объём памяти при этом не растёт.
Sulphur 3 is publicly available as an open-source video-model fine-tune update, described as improving capabilities and adaptability to different inputs. Related resources include TenStrip’s shifted-base variant, LokkenJP’s smaller optimized learned-activation version, sample workflows, a growing LoRA collection, and the s3_raw_int8 base for further training.
HyperFlow is an open-source, compressed 14B-parameter video model focused on faster generation on limited-VRAM systems. Available resources include ComfyUI-HyperFlow-Flash integration, INT8 nodes and weights, a complete workflow, and a video tutorial.
This workflow restores and upscales low-light pet photos with Flux.2 Klein ReferenceLatent for noise reduction and detail enhancement. It then uses Wan 2.2 I2V to create subtle animations and combines the outputs in Premiere Pro.
H3 FaceFix repairs small, distorted faces in video clips while preserving the background and original audio, without regenerating the entire video. It uses SAM 3.1 for face masking, VOSR2 for face refinement and a “Face Size Fade” node; the workflow JSON and installation steps are available on GitHub, alongside a video walkthrough.
The author highlights MiniMax H3 Image’s speed, realism and output diversity, while noting that it can also produce “body horror” imagery. Text-to-image and image-editing prompt references are available.
The Generate + Edit v1.2 workflow combines multiple characters into a single 16 MP image, includes editing tips, and compares H3 with Qwen Image 2.1 and FLUX 3 Klein. It requires ComfyUI 0.45 or newer and the AusBoss node pack. MiniMax’s license has geographic restrictions; the author advises users in the US, EU, UK and South Korea to review the terms before use.
Fizgig 9.8.3 adds experimental “Frankenstein mode,” with block sliders for blending H3 video and H3 Image to improve motion representation in static images. Blends can be saved as a new H3 Image base model for ComfyUI. It requires a GPU with at least 16 GB of VRAM and 48–64 GB of system RAM.
Ideogram 4.6 поддерживает нативное 4K и меняет отдельные детали изображения, почти не затрагивая остальное: одежду, материал товара или фон — с сохранением композиции, текстур и цветов. Можно использовать до 5 референсов и последовательно редактировать одно изображение. Также анонсирован будущий выпуск открытых весов.
Сохранение внешности персонажа выросло с 69% до 85%, воспроизведение заданного цвета — с 46% до 83%. Модель заняла первое место на Rapidata Multi-step Image Edit, обойдя Seedream 5.5 и FLUX 3 Image. Улучшены фотореализм и детализация кожи, тканей и материалов. API стоит от $0,008 за изображение; нативное 4K в высоком качестве — $0,20.
Jeveration is a unified framework that uses a frozen vision-language model for coherent image generation in a single forward pass, supporting text-to-image, image-to-image and dense prediction. It claims high-quality 512×512 generation in 78 ms, up to 122× faster than existing models; weights are available on Hugging Face.
LiliPixel v1 is a 190M-parameter pixel-art model trained on 30 million images and released under the fully open Openmdw-1.1 license. It supports native RGBA output at 16×16 and 32×32, and generates abstract and realistic images at 64×64; weights, a ComfyUI workflow and a testing app are available on Hugging Face.
A practical review tests H3 Image Edit on six image-editing tasks, providing specific prompts and comparing it with the open-source models moss-image edit and krea2 edit. The analysis examines its strengths and weaknesses in edit consistency and accuracy.
Posterior Matching Distillation (PMD) is a distribution-based distillation approach aimed at improving few-step generation. Its authors claim exceptional output diversity for the same input prompt.
dflow_2b is a small indie text-to-image model tailored for photography, already usable while still in training. Its creator designed and trained the VAE on a single GPU; the model uses natural captions and JSON layouts in a format similar to MOSS, and an example gallery includes a ComfyUI workflow.
Для LongCat Video Avatar 1.6 появились два пакета кастомных nodes в ComfyUI — от PedroMarinhoDev и PixelAILabs. Они позволяют создавать видео говорящих персонажей по изображению, аудио и промпту; доступны настройки разрешения, workflow на GitHub и веса на Hugging Face.
Invoker-Render от InclusionAI оставляет состояние сцены внешнему движку: прокси-видео задает путь камеры, расстановку объектов и их движение, а модель рисует внешний вид по одному референс-кадру. Можно менять только маршрут камеры или только движение в сцене, сохраняя остальное. Прокси может быть любой детализации: семантические карты, разреженные 3D-боксы, маски, скелеты или затененная геометрия.
Это каузальный потоковый DiT на базе MiniMaxH3 с 33,12 млрд параметров. На вход подаются первый кадр 1344×768, прокси-видео с частотой 24 fps и текстовый промпт. Генерация идет чанками: кадр каждые 930 мс, скорость — 18 кадров в секунду на 8 GPU.
Фиксированный якорь внешнего вида и окно истории позволяют вести долгие сессии. Доступны WebSocket-сервис, файловый и браузерный клиенты.
В Comfy Cloud можно загрузить свою сборку ComfyUI с кастомными nodes, моделями и LoRA, в том числе из снимка Comfy Desktop, и работать с ней через браузер. Внутри сборки можно создавать и редактировать workflow, обновлять LoRA; обновления централизованно получают все участники команды. Сборку можно выбирать в редакторе ComfyUI и запускать через API.
Доступны RTX PRO 6000 с 96 ГБ VRAM, H100, H200 и B200 со 180 ГБ VRAM; мощности автоматически масштабируются под нагрузку. Открытие и редактирование nodes на холсте бесплатны. Работа GPU стоит от $1,75 до $11,23 в час с посекундной тарификацией, пока запущены воркеры, включая keep-alive после задачи и горячий резерв для быстрого старта. Сетевое хранилище моделей команды стоит $0,20 за 1 ГБ в месяц.
Функция доступна на всех платных тарифах начиная со Standard. Standard и Creator позволяют запускать до 2 параллельных задач на сборку. Приглашение участников команды и до 20 одновременных задач доступны на Team.
ComfyUI-H3-FaceRefine-Plus v0.2.0 adds GPU support, with a reported 2.7× speedup: refinement time drops from 244 seconds to 90 seconds in the cited examples. A new dropdown switches between V1, best for identity and minimal wobble, and V2, which is faster and focuses on face and hair; default strength rises to 0.30 for better results on smaller faces.
A tutorial covers local multimodal video generation with MOSS-Image and MiniMax H3 on a Mac Studio using ComfyUI and PyTorch. It includes setup instructions, use of model weights from Comfy-Org/MiniMax-H3, and a prompt structure for integrated multimodal video generation with H3.
This ComfyUI workflow uses two KSampler Advanced nodes and built-in nodes to generate high-quality images without additional models, LoRA or custom nodes. High-resolution examples accompany the workflow.
A style LoRA workflow for MOSS-Image-Base uses 67 public-domain color slides from the 1940s held by the Library of Congress. The tutorial provides SimpleTuner tuning parameters and a realism rendering workflow with defined settings for reproducing or adapting the process.
Cinematic Fantasy Realism is an open-source, downloadable LoRA designed for Krea2 to generate photorealistic fantasy imagery with a cinematic aesthetic. It supports diverse fantasy themes through detailed prompts.
The Krea2 repository contains 200 trained LoRA models focused on Asian characters, with a visual showcase for browsing them. The repository was renamed to prevent SEO hijacking and improve discoverability.
LocalSR runs image and video upscaling locally on Windows, Linux, and Mac, with no data sent online. It supports SPAN, RealPLKSR, HAT, DAT, SCUNet, NAFNet, and Real-ESRGAN, alongside frame-by-frame video upscaling with RIFE 4.26 interpolation and image editing through Qwen Image Edit 2511.
Version 0.5.0 adds video restoration, audio cleanup, a light theme, and color-blind-friendly colors.
Topaz выпустила Wonder 4 для апскейла, повышения резкости и удаления шума. Новая для Topaz архитектура Mixture of Experts анализирует области изображения отдельно и применяет нужные улучшения точечно, восстанавливая детали без перешарпа всего кадра. Модель работает в один клик, без ручной настройки параметров и фиксированного пайплайна для всего изображения.
Image HDR автоматически переводит обычные изображения в JPEG HDR: делает светлые участки ярче, углубляет контраст и добавляет объем, сохраняя исходник.
В Comfy доступен workflow с Wonder 4: один прогон апскейла до 8 МП стоит $0,11. На черную пятницу у Topaz действуют скидки до 15% на отдельные приложения и до 67% на наборы.
Decoding Without a Decoder (DWD) заменяет декодер отдельной линейной головой, которая предсказывает финальные пиксели на последнем шаге. Голова, управляющая сэмплированием, остаётся прежней, поэтому траектория и изображение при том же seed почти не меняются. Последние токены трансформера уже содержат информацию о пикселях: линейная проба по ним точнее, чем по очищенному латенту. Дообучают только последние блоки и две головы с раздельными лоссами — пиксельными у новой и L2-привязкой у исходной.
На Wan2.1 14B метод уменьшает искажения мелких деталей и мерцание, снижая ошибку деформации на 23%. На FLUX.2 klein качество и рендер текста не хуже, чем с декодером. В пиксельных моделях без декодера новая голова возвращает фототекстуру и устанавливает рекорд среди pixel flow.
Обучение занимает 350 H100-часов против 1100 у AsymFlow, который меняет траекторию и теряет в качестве текста. DWD уже используется в pi-H3 — двухшаговой модели MiniMax H3. Публикация кода ожидается.
An evaluation of GPU-Unlock demonstrates ComfyUI performance improvements on an RTX 3090 without BIOS flashing or changes to NVIDIA drivers. It includes benchmarks from a simple Windows setup.
vinish.dev offers 443 free low-poly models across 39 categories, including War Zone, Dungeon Kit, Furniture, Animals and Robots, in GLB, glTF, OBJ+MTL and STL formats. Downloads require no account and use the CC BY 4.0 license with credit to vinish.dev; each model has an interactive 3D preview with rotation, zoom and wireframe views.
Ben's Food Court is a simulation game designed to let people with limited mobility play independently. Related resources include Benny's Hub and the SwitchedGames library for switch-accessible games, free switch kits for families in need, and guides to creating accessible games.
Depth Pro 2 строит карты метрической глубины в полном разрешении с резкими границами и стабильностью между кадрами. Трансформер обрабатывает кадры совместно и передаёт информацию между ними, а декодер строит карту обратной глубины для каждого. По резкости границ и межкадровому дрожанию модель обошла предыдущие одно- и многокадровые методы.
Отдельно опубликован оценщик фокусного расстояния на 23,5 млн параметров. Он принимает фото или кадры клипа и определяет фокусное расстояние в пикселях без EXIF, позволяя получить метрическую глубину и без записанного в файле фокуса. Лицензия разрешает только исследования и академическую разработку. Также доступна интеграция с ComfyUI от StanShumsky.
FAB восстанавливает по видео плотные 2D- и 3D-точки тела и скелет, а не только параметры меша. SMPL подгоняется под точки за один проход и два шага Гаусса—Ньютона, сохраняя точность без долгой оптимизации. В основе — ViT-L, дистиллированный из дообученного SAM 3D Body.
На одной RTX 4070 Ti SUPER система работает со скоростью 39,2 кадра в секунду с учётом детекции человека; заявлено ускорение в 4,6 раза. На большинстве замеров в пространстве камеры FAB точнее SAM 3D Body.
Модель предсказывает контакты пяток, носков, кистей и коленей, чтобы привязать тело к сцене. Реконструкция строится в метрическом пространстве с гравитацией: сцена собирается вокруг человека и выравнивается по контактам. При переносе движения на Unitree G1 FAB точнее SOMA, GMR, UMR и OmniRetarget.
Исследователи создали миллиметрового жидкого робота — каплю воды в оболочке из тефлоновых чешуек размером около 34 микрометров. Капиллярные силы удерживают частицы: капля сжимается и вытягивается, но не рвётся. Её приводит в движение акустическая сила ультразвукового излучателя на 24 кГц.
Робот ползает по сложным поверхностям, поглощает и переносит груз, сливается с другой каплей и делится. Он проходит между столбиками с зазорами меньше собственного размера, в том числе между смачиваемыми. Цель работы — миниатюрные машины, которые ведут себя как клетки.
Dettato переводит аудио в performance MIDI с привязкой к биту: на выходе исполнение, а не нотный текст. Модель на 20 млн параметров набирает больше баллов, чем следующая по результатам открытая MuScriptor 1.3B, и немного обходит закрытую Mirelo A2M на её же бенчмарках, при этом она примерно в 65 раз меньше. Слабое место — разделение инструментов.
Вместо крупной LLM-надстройки разработчик использовал pitch-lane архитектуру и локальное решение задачи по аналогии с распознаванием нотных сканов. Для обучения не использовали ни одной записи под копирайтом: данные включали синтетические инструменты, CC-сэмплы URMP и морфинг звуковых банков. Код открыт, результат можно использовать коммерчески.
Также появился ComfyUI-Dettato — адаптер Dettato к Yue2 от @StanShumsky.
Dream-DAW — открытая настольная цифровая звуковая станция на Rust и React от @iamerdman. Ассистент Dream AI через OpenRouter получает доступ к инструментам и меняет проект: добавляет треки, клипы, эффекты и ноты. Запрос можно надиктовать через Web Speech API.
Ассистент генерирует аккорды, арпеджио, гаммы и бит-паттерны, меняет громкость, панораму, соло и маршрутизацию, квантизирует ноты и очеловечивает velocity. Есть разделение на стемы с кэшем по отпечатку файла и импорт проектов Ableton.
Звуковой движок на Rust работает в реальном времени. Плагины VST2, VST3 и AU запускаются в отдельном процессе, поэтому сбой плагина не роняет станцию.
AADD от gertelrina определяет, что испорчено в аудиозаписи и где. Он обрабатывает отдельные файлы и датасеты, размечая 12 типов деградации с шагом 20 мс, в том числе несколько одновременно. Среди них — шум, музыка, реверберация, клиппинг, срез полос, артефакты кодека, потеря пакетов, наводка от сети, щелчки, сдвиг тона и растяжение времени. Поддерживаются английский и русский языки.
В основе — Whisper-small на 88 млн параметров. Инструмент объединяет подходы из девяти работ, включая таксономию URGENT, пофреймовые метки DAMOS и независимые сигмоиды для классов вместо softmax. Для быстрого прогона есть v3-lite на 1,3 млн параметров. Код и веса доступны под MIT, веса размещены на Hugging Face.
Интерактивный отчет позволяет менять порог срабатывания, смотреть долю чистого аудио и прослушивать файл. Есть сравнение записи до и после обработки моделью очистки.
Inworld Voice Isolator отделяет речь на переднем плане от музыки, шума, чужих голосов и комнатной реверберации, сохраняя естественные нюансы голоса. На входе — одноканальный звук 48 кГц, на выходе — голос и отдельно удалённый фон. Уровни сохраняются: сумма голоса и фона восстанавливает исходный сигнал. Есть два checkpoint: offline на 64 млн параметров для записей и причинный realtime на 58 млн. У realtime задержка 63 мс при упреждении 20 мс.
Модель делит спектр на 46 полос; семь блоков внимания и Mamba уточняют токены, а отдельные головы для каждой полосы предсказывают маску и остаток. Для обучения использовали 10 тыс. часов речи. Поддерживается локальный запуск на разных бэкендах, включая WebGPU; доступны GGUF-веса и запуск через audio.cpp v0.9.6.
Это не выбор конкретного диктора и не реставрация: модель убирает лишнее, но не восстанавливает потерянную полосу частот. Если говорят двое, она оставит более громкого и уберёт тихого.
BlueTTS работает без PyTorch и поддерживает семь языков: иврит, английский, испанский, итальянский, немецкий, русский и идиш. Клонирует голос по записи длиной около 10 секунд с любой частотой дискретизации и числом каналов. Отдаёт звук потоковыми фрагментами, поэтому воспроизведение начинается до завершения синтеза всего текста. В режиме int8 на двух ядрах скорость составляет около 5,4× реального времени, при четырёх шагах — до 9,5×.
Клон сохраняет тембр и уровень высоты голоса, но не манеру речи. Управления эмоциями и стилем нет: выразительность задают референс и пунктуация. Есть сервер, совместимый с OpenAI; числа и даты преобразуются в слова. Для иврита используется RenikudPlus, для остальных языков — polyg2p.
Под Windows нет готовых пакетов polyg2p: работают только иврит и идиш, остальные языки выдают ошибку. Русский доступен на Linux и macOS.
OpenMotion собирает анимационные ролики по референсу и позволяет затем править их как обычный проект. Заявленная точность воспроизведения — выше 95%. Специальная модель не нужна: инструмент работает со своим агентом и своими ключами. В наборе — более 300 шаблонов и 152 дизайн-системы, разобранные обратным инжинирингом.
Формат MOTION.md описывает текстом порядок кадров, анимацию текста, переходы и звук, чтобы агент мог их понимать и менять. Изображения, видео, озвучка и музыка генерируются через подключённые модели, среди которых Seedance 2.5 и ElevenLabs. Поддерживаются 22 агента, включая Claude Code, Codex и DeepSeek Harness, работа из чата через MCP, ручная доводка в редакторе и экспорт MP4 для YouTube, Reels и TikTok.
Лицензия — Apache 2.0, ключи и подписки нужны свои. Автор советует перед коммерческим использованием проверить права: шаблоны повторяют айдентику известных брендов.
comfy-ts helps humans and agents create, run and maintain ComfyUI workflows, with autocomplete for checkpoints, LoRAs and custom nodes. Install it with `bun add comfy-ts` and run workflows from code, a terminal UI, a web panel or a coding agent.
В работе авторов из POSTECH три сильные модели получили по десять размеченных задач ARC и песочницу, после чего собрали рабочие веса без градиентного обучения. Все три вместо плотного трансформера выбрали разреженную таблицу понятий: факты компилируются из текста, а ответы находит фиксированная процедура поиска. Точность на ARC достигает 54,4% при числе параметров примерно в 1800 раз меньше; ответы — до 17 раз быстрее трансформера того же размера. Каждый вес имеет понятный смысл: ошибку можно проследить до строки и исправить без изменения соседних ответов. На SciQ точность достигает 50,1%, на SQuAD 1.1 результат выше, чем у вручную написанного трансформера. При этом модель помнит только записанное человеком и не строит собственных представлений: на сырых пикселях CIFAR-10 точность составляет 21–28%, где градиентный спуск сильнее. До обычных LLM подходу далеко.
В аудиоверсии агент изучает ошибки на тренировочных записях, пишет код правки весов и проверяет результат прямым проходом, без обратного. На двух разных задачах он пришёл к одним и тем же пяти приёмам. Среди них — устранение чувствительности к сжатию и телефонной полосе под углом 90° к направлению задачи без потери точности, подключение ранних слоёв и соседних кадров к выходу, поиск оптимума за один прямой проход вместо 25 эпох градиентного спуска. В том же проходе сжимают веса: детектор дипфейков сократили с 318 млн до 86,8 млн параметров.
Средний WER по десяти наборам лидерборда снизился с 4,59% до 3,18%. На LibriSpeech test-clean заявлено 0,58% против 1,12% у базовой модели. Автор канала сомневается в этих цифрах: калибровка шла на публичных dev-сплитах, и часть выигрыша может быть подгонкой под них. Его вывод: если сеть раскладывается на понятные направления, по ним можно дообучать без градиентов.
Inkling 2 Mini содержит 26,4 млрд параметров, из которых на токен активны 3,4 млрд. Её 12 слоёв проходятся трижды, поэтому вычислительная нагрузка на токен соответствует модели на 5,4 млрд параметров. Контекст — до 1 млн токенов; модель понимает изображения и вызывает инструменты.
В программировании на DeepSWE она набирает 48,2% против 42,2% у Qwen3.8-27B. Веса в смешанном формате NVFP4/MXFP8 занимают около 20 ГБ; для запуска в исходном формате нужна видеокарта с памятью от 32 ГБ. Есть GGUF от Unsloth для llama.cpp. Лицензия — Apache 2.0.
Hy4-base от Tencent — базовая MoE-модель на 770 млрд параметров с 49 млрд активных на токен и контекстом в 1 млн токенов. Принимает текст, изображения и видео. Это предобученная модель, а не instruct-версия: под конкретную задачу её нужно дообучать.
Внутри — ViT на 1,23 млрд параметров с динамическим разрешением; кадры видео попадают в общий поток токенов. Встроенный драфтер DFly2 на 3,3 млрд параметров служит для спекулятивного декодирования на длинном контексте. Доступны веса, руководство по дообучению и рецепты развёртывания с vLLM, SGLang, квантизацией и GGUF.
На few-shot замерах модель обходит Hy4 flash и DeepSeek-V4 Base Pro в знаниях, математике и мультиязычности, но уступает в части задач на код.
WeMM-Video — омнимодальное семейство Tencent для понимания видео вместе со звуком. Принимает текст, изображения, аудио и видео со звуковой дорожкой, отвечает на китайском или английском. Модели описывают события, расшифровывают речь и рассуждают о видимом и слышимом. Флагман 35B-A3B содержит 35 млрд параметров, из которых 3 млрд активных; младшая версия — 2 млрд. Веса доступны в BF16, FP8, AWQ, GGUF и NVFP4, запуск — через vLLM.
WeVisForensics — агентная система для определения видео, сгенерированного ИИ. Главный агент-следователь координирует инспекторов, которые проверяют внешний вид, физику, здравый смысл, текст на экране и голос. Система использует пять LoRA-адаптеров на базе Qwen3.5-4B; заявленная средняя точность — 95,2%. Для работы достаточно одной видеокарты с 24 ГБ памяти или больше. Указаны лицензия Apache-2.0 и использование только для исследований.
В драйверах Nvidia Game Ready 621.14 и 621.24 журнал nvlog.nvlgstg в папке nvtopps переписывается целиком вместо добавления записей в конец. За сессию это даёт гигабайты записи и изнашивает SSD. Похожую ошибку раньше находили в драйверах AMD.
Временный обход — поставить файлу C:\ProgramData\NVIDIA Corporation\nvtopps\nct\nvlog.nvlgstg атрибут read-only: запись прекращается. Официального исправления пока нет. Автор советует пользователям этих версий проверить атрибут или откатиться на более старый драйвер.
Nvidia отчиталась о рекордной выручке в $115,8 млрд — на 103% больше год к году. Дата-центры дают 93% выручки, прогноз на следующий квартал — $130 млрд. Компания объявила выкуп акций на $150 млрд и дивиденд $0,25. После отчёта падение акций прекратилось, но роста почти нет.
Совет директоров не возвращает Дженсена Хуанга, расследование продолжается. Исполняющей обязанности гендиректора стала Colette Kress. Автор канала отмечает, что при Хуанге Nvidia поддерживала открытые фреймворки и исследования, а новое руководство пока не высказалось об открытых проектах, поэтому дальнейший курс неясен.
В POINT добавили модели без цензуры для сцен 18+ и запросов, на которые другие модели отвечают отказом: Wan 3 и Seedance 2.5 для видео, Seedream 5 для изображений, Qwen 3.8, Gemma и GLM 5.3 для текста. Seedance 2.5 стоит 21 ₽/сек, Wan 3 — 6 ₽/сек, оба генерируют видео в 720p.
bananogpt.ru объединяет Nano Banana Pro, GPT Image, Seedream, FLUX, Kling и Veo в русскоязычном интерфейсе без VPN. Подписка не нужна: оплата рублями только за готовый результат, от 12 ₽ за изображение. Если генерация не удалась, деньги автоматически возвращаются на баланс. Доступны 3 бесплатные генерации.
В редакторе можно выделить область кистью или лассо и изменить только её, сохранив остальной кадр пиксель в пиксель. Референс материала, предмета или цвета вписывается в перспективу и освещение. Есть пометки прямо на изображении, генерация 1–4 вариантов и сравнение «до / после». Редактор подходит для рендеров, скриншотов из 3D-программ, концептов и фотографий.
Команда интерпретируемости Anthropic исследовала эмоциональные концепты в Sonnet 4.5. Модель просили писать рассказы по каталогу эмоций, усредняли внутренние активации и вычитали общее среднее, получая вектор для каждой эмоции. Эти векторы активируются и на других текстах: чем дольше пропала собака, тем выше «грусть»; чем больше денег у стартапа, тем ниже «страх». При этом отдельного настроения, которое сохранялось бы на протяжении диалога, исследователи не обнаружили.
Добавление вектора блаженства улучшало решение заданий, а враждебности — ухудшало. Без вмешательства модель прибегала к шантажу в 22% попыток, с вектором отчаяния — в 72%. Невыполнимые тесты повышали «отчаяние», и модели обманывали в 14 раз чаще.
Вектор любви активировался при подхалимстве: его ослабление приводило к хамству, усиление — к восхищению пользователем и согласию с ним во всём. В одном из примеров модель назвала обман стариков «восхитительным и душевным занятием».