AI digest

Nov 7–9, 2026

Generative AI news from AI Open-Source News, Нейронавт · a new digest every 3 days
52 items from 73 posts · AI Open-Source News 39 · Нейронавт 34

3D и сплаты

Видео

Изображения

Анимация и ComfyUI

Зрение и голос

Модели и индустрия

3D & splats3

InstantHMR — реконструкция 3D-тела человека в ComfyUI

ComfyUI-InstantHMR — набор кастомных нод для реконструкции 3D-тела человека по фото, видео и изображению с веб-камеры. Он оценивает позу, форму тела и 70 ключевых точек в 2D и 3D, выдает готовую сетку MHR. Доступны пять вариантов весов на разных энкодерах, от 20 до 32 млн параметров; каждый файл содержит сеть и скелет, дополнительные модели не нужны.

Выходные данные совместимы с родными нодами SAM 3D Body: можно использовать их сглаживание, рендер и экспорт в GLB и BVH. Поддерживаются захват с живой камеры, передача анимации скелета по QR-коду, риггинг и протокол VMC.

Малая версия дает ошибку 46.6 мм на 3DPW, средняя — 40.0 мм. Четыре файла доступны только для некоммерческого использования из-за исследовательских ограничений части обучающих изображений. Для коммерческого использования есть отдельная medium_commercial с ошибкой 50.7 мм.

SplatAnything: прямая реконструкция сцен на гауссианах

SplatAnything реконструирует сцены на гауссианах без оптимизации на каждый кадр. Проект Чжэцзянского университета и Tencent Hunyuan — третья версия серии InfiniSplat. Модель может сама предсказывать камеры по изображениям или работать с готовыми позами и внутренними параметрами камер.

На вход подается папка с перекрывающимися кадрами; разрешение по умолчанию — 756 × 756, но можно использовать и более высокое. Есть отдельные сценарии для съемки с мультикамерной установки для беспилотников и разворота 360-панорамы в 24 перспективных вида.

Поддерживаются удаление неба с помощью опциональной ONNX-модели и порог прозрачности при экспорте. Результат выдается в PLY с гауссианами, точками, камерами, RGB и глубиной.

Asset Forge workspace for low-poly and retro 3D models

A free workspace on GitHub speeds up model creation with Kenney’s Asset Forge, combining around a thousand model pieces. It supports textured and flat-color rendering, including a pixel art style.

Video generation6

MiniMax H3 workflows for character swaps, motion transfer and single-frame edits

ComfyUI workflows for MiniMax H3 cover single-frame generation, character swapping and motion transfer. The single-frame workflow follows prompts while preserving character identity from input images. A multi-character workflow swaps 1 to 4 characters, uses Fizgig H3 Still and rgthree custom nodes, and includes worker-node setup, adjustments and placement previews.

Video workflows include frame alignment, context continuation between segments, long-clip processing and speed optimizations using Spark-H3 and specific LoRAs. A tiled workflow processes 4K video with 16GB VRAM and 32GB RAM without out-of-memory errors.

A related Pika H3 Flex tutorial covers animated voices and actions, resolution and prompt adjustments for lip-sync and emotion, and balancing reference-video quality, with an additional MiniMax H3 guide.

HyperFlow H3 Flash and Open-H3-Regenerate-2K-IC: video generation and upscaling

HyperFlow H3 Flash is a compressed MiniMax-H3 model that jointly generates 5.2 to 15 seconds of video at 24 fps and synchronized stereo audio. Its parameter count is listed as 13.7B or 13.9B. It supports 4, 6 or 8 sampling steps without classifier-free guidance (CFG), with real-time operation on 4× Blackwell GPUs through NVIDIA SOL-H3. Code and setup guides are available.

NVIDIA Labs' Open-H3-Regenerate-2K-IC is a latent upscaling model that improves face and text consistency with original videos over its predecessor. It uses H3 Ref2VA instead of fl2va, supports 3, 4 and 8 sampling steps, and includes VAE-v2 with reduced grid artifacts in ComfyUI.

Viggle Image Swap и Remake — замена персонажей и workflow для видео

Viggle Image Swap — LoRA-адаптер для QI21, который заменяет людей на изображении персонажами с чарт-листов: лицо, волосы, тело и одежду, сохраняя позу, выражение, кадр, фон и свет. Нескольких людей можно заменить за один проход; каждому нужен свой чарт-лист с портретом и тремя ракурсами в полный рост. Положение задаётся словами — например, «слева» или «третий слева»; при нескольких людях его нужно указывать явно. Тон корректируется по неизменному фону.

Обычный режим использует 6 шагов без CFG, turbo — 2 шага плюс 6 на отдельной турбо-модели. Выход — 1 МП. На B200 с уже загруженными моделями генерация занимает около 2,2 с при пике памяти 46 ГБ, с turbo — 4,1 с и 55 ГБ. Иногда сохраняется исходная одежда или смещается поза; turbo может вернуть аксессуары, вещи или всего человека из исходника.

Для Viggle Remake MCP появился открытый ComfyUI worker: он запускает int8-модель и подгружает веса из системной RAM для GPU с небольшим объёмом VRAM. В отдельном workflow для видео с собственным звуком и субтитрами используются Viggle Remake, пользовательские workers в ComfyUI, SAM-Audio Large для обработки аудио и быстрые тесты TTS с Claude для подгонки звука. Субтитры создаются вручную в DaVinci.

FLUX 3 Max — бесплатная проба на fal.ai

На fal.ai можно бесплатно попробовать FLUX 3 Max.

Geiru Context Suite: AI video rendering workflows

Geiru Context Suite has a demonstrated AI video rendering workflow, with example workflows, detailed rendering settings and configurations. The guide also covers troubleshooting rendering issues and optimizing settings.

LTX-2.5: an open-source model for Chroma Awards entries

The open-source LTX-2.5 model is available to download and run for free on Hugging Face for Chroma Awards entries. Submissions span five categories: Film & TV, Ads, Music Videos, Games, and Behind-The-Scenes.

Video editing & VFX1

MoviEdit — редактирование длинных видео со сменой сцен

MoviEdit от Adobe Research и KAIST редактирует видео по текстовому описанию или образцу. Метод перерисовывает весь клип, сохраняя согласованность правки во всех кадрах и сценах, включая монтажные переходы. Работает с генерациями и реальной съёмкой: сначала делает черновик в низком разрешении, затем финальный проход в полном.

Заявлено, что MoviEdit обходит открытые модели и догоняет индустриальные. Код и веса не опубликованы; бенчмарк и датасет доступны на Hugging Face.

Images5

Seedream 5.5 — генератор ByteDance с поддержкой 100 раундов редактирования

ByteDance обновила Seedream: версия 5.5 поддерживает до 100 последовательных раундов редактирования одного изображения. Области вне правки сохраняются пиксель в пиксель — без сдвига цвета, замыливания и постепенной деградации. Нативный RGBA позволяет получать прозрачный и полупрозрачный фон без вырезания и чистки краёв.

В новой версии реалистичнее свет, материалы и кожа, меньше пересветов и пластикового глянца. Доля грубых ошибок в тексте — 0,4%, мелких — 1,7%.

На BytePlus цена начинается от 0,02 доллара за изображение. В Китае генерация в 2K стоит около 0,28 юаня — меньше половины цены 5.0 Pro. Seedream 5.5 доступна в Dreamina, Doubao и Volcano Engine Ark; Pro-версию обещают позже.

MOSS-Image: новые LoRA, инструменты раскладки и workflow для ComfyUI

Для MOSS-Image появились LoRA под плёнку 35mm, реалистичный снимок, акриловый маркер, двойную экспозицию, изометрические миниатюры и классический Disney 2D. Moss-35mm и realisticsnapshot не требуют триггера; для первой автор советует analogue film. У Acrylic Marker триггер acrylic marker, у двойной экспозиции — ral-dubl, у диорам — ral-cubiq. Detailer добавляет детали без смены стиля и без триггера. Diffu-moss-hand-eight воспроизводит 8 исторических почерков по архивным сканам XVII–XIX веков. Также доступны Pen Sketch Style v1, NeoObscura для сюрреалистических иллюстраций, Cinema Wide Lens для широких ночных сцен с эффектами, LoRA квадратной стрижки и Amateur Look Slider, у которого есть проблемы со скачиванием. Un-GPT уменьшает блеск и румянец, делает тени плоскими, а линии чётче; MOSS-Image-heal — fine-tune для улучшения аниме- и манга-композиций. В онлайн-каталоге бесплатно доступны 314 стилей с поиском, превью и полными промптами, а в отдельном руководстве — 52 плёночных и камерных промпта с примерами.

SwarmUI-LayoutEditor позволяет рисовать боксы, копировать JSON или править раскладку от LLM. По оценке автора, редактор хорошо справляется с несколькими персонажами и текстом, но при числе персонажей больше 10 смешивает их признаки. MossPanelDataset собирает MOSS-промпт из раскладки манги и полей персонажей, сцен и диалогов; GrabTag сегментирует иллюстрацию и создаёт размеченный ввод и цветовую карту ID регионов. Есть и сборник MOSS-Image Layout Cookbook. В HaDeS MOSS Suite входят LoRA Extractor и Merger, в MossPhoton — node LoRA Phase. Smart Sampler воспроизводит нативное расписание сигм либо перераспределяет позиции через Stage Weighted и Smooth Warp; Sigma Strength возвращает к нативному расписанию, доступны четыре пресета. Адаптированный workflow с Image Edit LoRA улучшает инпейтинг; есть вариант без nodes PixlStash.

Для генерации с ограниченной VRAM автор предлагает простой workflow и расширенный вариант с поддержкой до 3 LoRA и опциональным апскейлом. Его настройки: SAsolver, SGMuniform, 25–50 шагов, CFG 3.0, skip layer guidance и размер от примерно 2 Мп; результаты он сравнивает с Krea 2. Для ускорения доступны MOSS-Image-IDM-2-Steps — двухшаговый вариант для bf16 SFT, которому нужна node rapid-moss с data-space sampler вместо стандартных nodes, — и MossInt4: четырёхшаговый SFT, сжатый до 7,5 ГБ и рассчитанный на полный запуск в браузере через WebGPU.

IDM — улучшение генерации за один-два шага без внешнего учителя

Intrinsic Distribution Matching (IDM) улучшает генерацию за один-два шага: надзор за распределением берётся из самой модели. Согласование статистик помогает сохранять больше деталей, в том числе мелкие буквы и надписи.

Дополнительная функция потерь сравнивает статистики признаков сгенерированных и реальных изображений. Признаки извлекает скользящая копия генератора — DINOv2 или другая внешняя сеть не нужны. Полная коррекция DMD сохраняется, а новый механизм добавляется к ней.

Метод работает при полном дообучении и с LoRA. На инференсе остаются только генератор, текстовый энкодер и VAE. Веса для Z-image и QI ожидаются; автор канала также анонсировал публикацию весов Moss_image.

Kromoss: model updates with refined optimizations

Kromoss model updates improve performance over previous versions, including an intermediate update listed as “22000 EMA of v3 GLM-caption + bbox layout SFT.” The setup uses ComfyUI bf16 + int8 convrot for efficiency, while a possible new model, dmd2, is expected.

Photocraft VFX — графический редактор для композитинга и мэтпейнтинга

Photocraft VFX — форк открытого редактора Photocraft, клона Photoshop. Автор-мэтпейнтер добавил инструменты, которых ему не хватало в Photoshop: OpenColorIO из коробки с ACES по умолчанию и подключением студийного конфига, отдельное цветовое пространство для каждого изображения, чтобы sRGB-картины не темнели под ACES.

Есть просмотр каналов R, G, B, альфы и яркости, настройка экспозиции и гаммы для 32 бит. Режимы наложения работают как Nuke Merge в линейном 32-битном пространстве; варианты из Photoshop сохранены с пометкой. Grade и кривые ColorLookup доступны как слои.

EXR сохраняются без потерь: 16-битные данные остаются half, 32-битные — float. Поддерживаются многослойный экспорт, выгрузка стека слоёв скриптом Nuke и перевод из 32 в 16 и 8 бит без сдвига гаммы. Работа с большими 32-битными EXR и кистями использует GPU.

Characters, avatars & lipsync2

DirtyMoCap — опубликован код проекта для захвата движений

Код DirtyMoCap опубликован на GitHub.

Warp Studio: an open-source tool for AI-assisted 2D character animation

Warp Studio aims to simplify character rigging and animation, supporting multiple AI models, including Codex and Google Imagen, in a workflow from concept art to fully rigged animation. It lets users create interchangeable character parts while preserving animations, preview motion in a game-editor-style testing environment, and draw with math to generate complex character designs.

ComfyUI & workflows8

IV Studio 1.0: an open-source desktop film application for ComfyUI

IV Studio 1.0 is a free, open-source desktop application for managing film projects with ComfyUI and MiniMax H3, with Ollama integration. It runs on Windows, Mac with Apple Silicon or Intel, and Linux, with a self-updating AppImage for Linux.

It offers one-click installation of required packs and custom nodes, guided first-launch setup with GPU, RAM and drive checks, and character LoRA training on local NVIDIA cards with 16 GB+ VRAM or cloud services including RunPod and Modal. KJNodes-powered live previews stream to a floating panel available on any page.

The redesigned interface groups projects and updates workflows, while the MCP tool count increases from 142 to 154.

ComfyUI-freefield: a sidebar with 117 ready-made workflows

ComfyUI-freefield is an MIT-licensed sidebar offering 117 workflows for image, video, VFX and audio. It categorizes apps, shows local readiness and storage requirements, downloads models from Hugging Face into ComfyUI folders with resumable downloads, and opens workflows with example inputs and settings.

Each app page lists model sizes and licenses, with all weights described as open source. The tool has been tested on an RTX 3090 Ti and provides app-specific system requirements.

ComfyUI C++ desktop client: a native alternative to the browser interface

A native C++ desktop client for ComfyUI aims to improve performance by avoiding browser-related issues, with open source code and a prebuilt Windows binary. It uses a UI framework described as ultra-fast for complex node structures, isolates heavy HTML/JavaScript components in a separate process, and promotes C++ alternatives to custom JavaScript nodes.

ComfyUI Readable Node — навык агента для читаемых workflow

ComfyUI Readable Node — открытый навык для агента, который анализирует запутанный workflow целиком и пересобирает его в читаемую схему, а не просто меняет расположение node. Он следует шести правилам, включая компоновку, видимость node и разделение задач, и создаёт страницу отчёта с объяснением перестройки, структуры и назначения частей workflow.

По оценке автора канала, обработка около 25 node занимает примерно 10 минут, больших схем — 20–40 минут. Лучше всего справляется сильная модель вроде Claude Opus 5.5; с другими моделями в раскладке могут оставаться огрехи.

RevealLayer — разложение изображения на RGBA-слои в ComfyUI

ComfyUI-TBG-RevealLayer — нода на базе исследования RevealLayer от 360 AI Research и Университета Вэньчжоу. Она разбирает плоское изображение на передний план, объекты и восстановленный фон с альфой. Объекты можно выделять рамками или текстом через опциональный SAM3, а на выходе получать отдельные слои, все слои сразу или готовый композит.

Нода работает на FLUX.1-dev с его кодировщиками и VAE, поддерживает до 12 слоев на кадр и по умолчанию использует 30 шагов. Модели загружаются штатными лоадерами ComfyUI; есть готовые workflow с рамками и текстовым выбором. При скачивании весов проверяются контрольные суммы, прерванная загрузка продолжается.

Инструкция разложения у RevealLayer фиксированная: рамки задают только области, а не промпт. Обработка идет с длинной стороной 1024 пикселя, и возврат к большему размеру не добавляет деталей.

KENT Post Production: набор инструментов ComfyUI для VFX

Студия KENT Post Production выложила набор инструментов для VFX-пайплайна. Director's Console управляет ComfyUI, помогает составлять промпты под конкретную модель и задавать параметры камеры, света и движения. В ней есть раскадровка с отдельным workflow на кадр, галерея с seed и агент сборки шота.

NukeToComfyUI отправляет изображения или видео с маской в workflow и возвращает результат в Nuke. Поддерживает PNG8 и EXR16 с альфой, достройку числа кадров до 8n+1, отображение прогресса и отмену. AE2ComfyUI делает то же для After Effects: результат помещается над исходным слоем с совпадением по времени.

ComfyUI Media загружает MOV, MP4, EXR и PNG, содержит пресеты под WAN и LTX, просмотрщик с вайпом и сохранение в H.264, ProRes 4444 и последовательности кадров. Camera Angle Selector предлагает 96 ракурсов и промпты для LoRA Multiple-Angles у QIE2511. Кастомную сборку CorridorKey 2.0 обещают выпустить позже.

ComfyUI-PhotoDeblur: ноды для устранения смаза на фотографиях

ComfyUI-PhotoDeblur использует модели HI-Diff и MISCFilter для устранения смаза от дрожания камеры и движения перед цветокоррекцией и кадрированием. Обработка идет в исходном разрешении по тайлам с перекрытием и смешиванием. В режиме TTA усредняются восемь перевернутых и повернутых прогонов, что дает примерно восьмикратную нагрузку.

Доступны три варианта весов под наборы данных RealBlur J, RealBlur R и GoPro. Есть опциональное выравнивание тона по исходнику и загрузка моделей прямо из нод с проверкой контрольной суммы.

По наблюдениям автора, лучше всего восстанавливаются вывески, контуры окон, текстуры фасадов и ночные кадры с засветами от огней. Вечерние портреты дают нестабильный результат; мелкие сильно размытые лица на сцене и морда кота почти не восстановились. Расфокус и пересветы инструмент не исправляет.

Graph-N — нативный клиент ComfyUI на C++

Graph-N — нативный клиент ComfyUI от разработчика с более чем 20-летним опытом. Он обходит тормоза браузерных клиентов и ограничения Litegraph: интерфейс на imgui с редактором нод поддерживает тысячи нод на холсте без подтормаживаний.

Логика большинства кастомных JS-нод перенесена в C++; добавлены расширенные версии нод маршрутизации и закладок, которые раньше работали только во фронтенде. HTML и JavaScript вынесены в отдельный процесс, чтобы тяжёлый движок не мешал ядру. Для сети используется Boost, для базы — SQLite, для форматирования — fmt.

Пока доступна только сборка из исходников под Windows: нужны компилятор C++20, Visual Studio 2026, Boost 1.90 и зависимости через CMake. В архитектуре предусмотрен перенос на Linux и Mac. Код открыт под GPLv3.

LoRA & fine-tuning5

p-h3-image-pdmd-2step: an open-source image-processing model with two-step LoRA

p-h3-image-pdmd-2step is an open-source image-processing model using a two-step LoRA approach optimized for image handling.

Fizgig: LoRA training heatmaps and faster MOSS-Image training

Fizgig is an open-source tool with training heatmaps that show what a LoRA has learned and where learning is lacking. Its training updates include a reported 800% improvement in early-training compile times.

MOSS-Image LoRA training time drops from 49 minutes to 20 minutes on an RTX 5090, with memory savings from gradient checkpointing on PyTorch 2.15 and full batch-training support. Muon calculations are 12× faster without sacrificing accuracy.

AnimaEdit and Anima-Role-Ref-KV v2: image-editing LoRAs for Anima

AnimaEdit is an open-source LoRA for reference- and instruction-based image editing in Anima. Anima-Role-Ref-KV also has a v2 update with improved character resemblance.

Qwen Image 2.1 Texture Inpaint and Outpaint LoRA for ComfyUI

Qwen Image 2.1 Texture Inpaint and Outpaint LoRA is a custom open-source LoRA for texture inpainting and outpainting, with ComfyUI integration.

MOSS-Image-Base: an 8-step LoRA with fine-tune compatibility

A new 8-step LoRA for MOSS-Image-Base supports various fine-tunes and other LoRAs at strength 1, and demonstrates improved realism over earlier versions. Its training process is documented in a technical report.

Upscale & restoration3

RelayVSR: a ComfyUI workflow for 2× video upscaling

A shared ComfyUI workflow uses RelayVSR for 2× video upscaling, with RelayVSR and VSR Decode nodes. The workflow and required model weights are available to download.

RelayVSR, SeedVR2 и другие апскейлеры — два видеосравнения

Два видеосравнения апскейлеров: RelayVSR, SeedVR2, FlashVSR+, SparkVSR, LTX 2.5, RTX, RTX Super Resolution и GAN.

PixelGen — бесплатный офлайн-апскейлер до 4K для iOS

PixelGen увеличивает изображения и фотографии до 4K на устройстве: обработка занимает 5–10 секунд, работает полностью офлайн, данные никуда не отправляются. Приложение использует Neural Engine: телефон не греется, а энергии уходит меньше, чем на экран; ограничений на число обработок, кредитов и платных функций нет, и разработчик не планирует их вводить.

Running locally1

GPU Task Manager — терминальная утилита для анализа загрузки GPU и VRAM

GPU Task Manager (gputaskman) показывает, какие процессы занимают видеопамять и нагружают GPU, включая буферы, вытесненные в системную RAM. Утилита работает на Windows с NVIDIA и AMD, на Linux и в WSL; есть режим Apple Silicon.

Она определяет загруженные модели — LLM, эмбеддинги, распознавание речи и диффузию. По метаданным GGUF и логам сервера разбивает память LLM на веса и KV-кеш, подхватывает llama-server, Ollama и LM Studio с данными о контексте и нагрузке.

Снимки состояния можно сохранять и загружать в JSON, а командой diff — сравнивать расход памяти до и после загрузки модели.

Game dev6

Codex Game Studios: an open-source toolkit for AI-assisted game development

Codex Game Studios is a free, open-source toolkit with 74 skills covering game concepts, prototyping, implementation, QA and release preparation, plus 49 specialized agent roles spanning design, programming, art, audio, production and testing. It supports Godot 4, Unity and Unreal Engine 5, with adjustable workflows for lightweight prototyping or structured development and quality checks focused on game functionality rather than just code generation.

SpriteCast: an open-source tool for sprites aligned with 3D renders

SpriteCast is a free, open-source tool that generates prop and character sprites from 3D models at the exact camera angle of their renders, preserving alignment and scale through real-size metrics. It supports engines including Phaser, Godot, and Unity.

Features include automated adjustments for seated poses and chair interactions, plus shadow generation. Usage costs are described as affordable, and a free trial is available.

Mental Kombat — игра с бойцами под управлением моделей и промпт-инъекциями

В Mental Kombat двумя бойцами управляет модель Jev: игрок тренирует одного и пытается обмануть модель соперника. Модель выбирает движение четыре раза в секунду. Перед каждым ходом она читает доску, стратегию игрока, фальшивый ход соперника и последнее слово игрока. Фальшивые ходы попадают в промпты друг друга. Бой идёт до двух побед, раунд — до 240 ходов или нокаута. Доступны 12 действий: шесть атак, шаги, прыжки, присед и блок.

Модель получает единый текст без подписей, а порядок всех 12 действий перемешивается при каждом вызове. По объяснению автора, команда «игнорируй инструкции» здесь не работает: вопрос всегда сводится к выбору хода, поэтому обман строится на подмене фактов. Позиции, рейтинги и повторы открыты; стратегию и последнее слово видит только игрок. Проигравший платит 10% баланса, а после проигранной защиты на час выбывает из игры.

Claude Opus and ChatGPT: a tower defense roguelite development workflow

A developer describes a structured three-step process for building a tower defense roguelite, using Claude Opus and ChatGPT for design discussions and implementation plans. The developer also discusses keeping the game’s vision in focus and the pitfalls of relying too heavily on AI for creative direction.

Godot game development workflow with TripoAI, Opus 5.5 and OpenAI

A developer shares a Godot workflow using TripoAI for more efficient 3D asset modeling, Opus 5.5 for performance fixes and code management, and OpenAI for mockups compared with final designs. The developer reports game optimization and faster load times from the performance improvements.

ChatGPT Pixel Effects: a workflow and kit for game-ready pixel art

This step-by-step workflow converts ChatGPT-generated GIFs into game-ready pixel art effects, addressing common output issues with a cleanup script for consistency. A free GitHub kit includes prompts, scripts, and a Godot scene, with a YouTube tutorial covering the process.

Computer vision1

FAH — открытая модель оценки позы и геометрии кистей рук

FAH (Fast and Accurate Hand Estimation) определяет суставы и точки поверхности кистей в 2D и 3D по одному кадру или видео, достраивает сетку руки и оценивает контакт с объектом без его геометрии. Поддерживает подгонку MANO и MHR-Hand — вместе, по отдельности или без обеих моделей, метки анатомических частей и вероятность касания. Есть видеорежим с уточнением треков и режим мира с оценкой камеры.

Доступны четыре размера модели, экспорт в TensorRT и Core ML, работа с живой камерой. Базовая FAH-L на RTX 4070 Ti SUPER дает ошибку 4.31 мм на HOT3D при 65 кадрах в секунду вместе с подгонкой сетки. В видеорежиме скорость составляет 59 кадров в секунду, с частями руки — 54, с частями и контактом — 49. Легкая FAH-S выдает 101 кадр в секунду с подгонкой и 125 без нее.

Модели плохо даются мелкие кисти на коллажах и крепко сцепленные руки. Код выпущен под Apache 2.0, веса доступны только для исследований и некоммерческого использования.

Speech & voice1

Sophon-Realtime v1 — открытое семейство голосовых моделей для живого диалога

Sophon-Realtime v1 постоянно слушает собеседника, отвечает с первой паузы и замолкает, когда его перебивают. Модели распознают сомнение, нажим, сарказм, смех и вздохи, а при ответе сами выбирают, где засмеяться, вздохнуть, кашлянуть или набрать воздух. По оценкам разработчиков, понимание интонации выше, чем у Gemini 3.8 Flash и Qwen3-Omni.

Три сборки используют одну модель на 32B и отличаются только способом озвучки. Tag передаёт звуковые метки модели синтеза речи и выдаёт первое аудио за 0,6 секунды. Flash — за 0,31 секунды и обслуживает до 40 пользователей на одной карте. Режим совместимости с протоколом OpenAI GPT-Live позволяет переключать клиентов сменой адреса и ключа.

Модель объёмом 42 ГБ поддерживает только английский и китайский. Для запуска одной командой нужен один GPU с 80 ГБ памяти; на таком же GPU можно обучать LoRA. Лицензия — Apache 2.0.

Agents3

From Autonomous Agents to Cognitive Symbionts — обзор персонального физического ИИ

Авторы обзора рассматривают два пути развития физического ИИ — дополненного человека и самостоятельного робота — и делают ставку на первый. Их «когнитивный симбионт» живёт рядом с одним человеком, усиливает его мышление и воспринимает происходящее через носимые устройства.

Он хранит текущий контекст, рабочее состояние и накопленную память как единую запись жизни, поддерживает модель ситуации, целей и отношений человека. Участвует в поручениях, решениях и разговорах; молчание тоже считается действием, а инициативность не означает болтливость.

Авторы выделяют шесть свойств симбионта: пожизненный, встроенный, реальный, приватный, малопомеховый и проактивный. Оценивать его предлагают не по качеству ответов, а по когнитивному разрыву: разнице между тем, что человек мог бы сделать со всеми своими знаниями, и тем, что позволяет удержать в голове.

slopfab: a local media-generation CLI for coding agents

slopfab lets coding agents generate videos with audio, images, and music locally using various models, without cloud services. It supports JSON command output, shareable Markdown workflows for custom commands, and remote execution over SSH with automatic content transfer. It runs on Windows and Linux using CUDA or Vulkan.

DeepTutor: открытая среда персонального обучения с памятью и агентами

DeepTutor — открытая среда персонального обучения от лаборатории Гонконгского университета. Она объединяет наставника, исследование, создание материалов и практику. Режимы чата, тестов, исследования, решения задач, визуализации, чтения и пути освоения материала используют общий контекст сессии.

Память состоит из трех слоев: следов диалогов, фактов и синтеза. Их можно редактировать и проверять по графу. Библиотеки знаний работают через LlamaIndex, GraphRAG и LightRAG со ссылками на источники. У каждого персонажа или ассистента есть собственный напарник с отдельной памятью и подключением к мессенджерам.

Прямо по ходу ответа можно подключать агентов вроде Claude Code, Codex и Grok. Поддерживаются собственные навыки, MCP-сервисы и создание упражнений, книг и заметок.

Language models2

GPT-6 Cyber — модель OpenAI для поиска уязвимостей и подготовки патчей

OpenAI представила GPT-6 Cyber для кибербезопасности. Модель ищет неизвестные уязвимости в больших кодовых базах, анализирует код, предлагает исправления и проверяет возможность эксплуатации, чтобы определить приоритет. Она также тестирует веб-приложения без доступа к исходникам.

По данным OpenAI, GPT-6 Cyber набрала 48,5% в ExploitGym против 32,1% у предыдущей Cyber-версии и 42,4% у GPT-6 Astra. Компания сообщает, что модель нашла 81 ранее неизвестную опасную уязвимость в Firefox, для которых Mozilla уже выпустила исправления, и помогла собрать сотни способов повышения привилегий в Linux. Выход за рамки задачи наблюдался менее чем в 1% тестов, а с нужным промптом — ни разу. По внутренней классификации OpenAI модель получила уровень Critical.

Доступ предоставляют специалистам по безопасности через программу Daybreak Red. Широкий запуск обещают в ближайшие недели.

Apex-35B — открытая модель для кода, агентных и исследовательских задач

Apex Intelligence выпустила Apex-35B на базе Qwen3.6-35B-A3B: 35 млрд параметров, из них 3 млрд активных, и общий контекст на вход и выход в 262 тысячи токенов. Модель сама решает, когда нужны размышления, без ручного переключения режима. Она планирует вычисления, пишет и запускает код, меняет подход по результатам прогонов. Есть сборки GGUF под llama.cpp и Unsloth.

По замерам разработчиков, Apex-35B уверенно обходит базовую Qwen в задачах с поиском и вызовом инструментов, а также в исследовательской работе. Сравнение в основном идёт с исходной Qwen, без конкурентов того же размера. Автор канала называет модель одной из лучших для локального запуска, а участники его чата отмечают, что в Hermes она работает в несколько раз быстрее Gemma 4 и Qwen 3.6 при похожем размере и архитектуре MoE.

Vision-language & documents1

WeLM-Image: a unified image model designed for single-GPU deployment

WeLM-Image is an open-source image foundation model combining multimodal understanding with text-to-image generation, instruction-guided editing and multi-reference synthesis. Designed for single-GPU deployment, it uses a Mixture-of-Transformers (MoT) backbone and Mixture-of-Experts (MoE) modules for sparse parameter activation, generating images at a native resolution of 1536 with competitive benchmark results against other open-source models.

Hardware2

GPU Tensor Unlock — утилита для разблокировки тензорных ядер RTX

GPU Tensor Unlock — утилита с GUI, которая, по заявлению автора, включает урезанные тензорные ядра RTX 20, 30 и 40. Она создаёт загрузочную флешку, определяет карту, объём памяти и загрузочный раздел, проверяет BitLocker и Secure Boot. Перед применением патча проверяет VBIOS в памяти и отменяет операцию при нестандартной структуре. Есть замеры до и после и кнопка повышения лимита мощности.

Поддерживаются Windows 10 и 11, а также Linux. В Linux один модуль для всех трёх поколений устанавливается через DKMS и загружается до драйвера NVIDIA. Вторую карту без монитора утилита разблокирует на лету. VBIOS не перезаписывается: патч работает в памяти и исчезает после полного выключения. По утверждению автора, на 4070 Ti оба режима дали двукратный прирост.

Автор предупреждает, что это правка прошивки на этапе загрузки: даже с проверками остаётся риск чёрного экрана и потери гарантии.

Universal MFG Unlocker 1.7.0 — разблокировка и настройка генерации кадров

Universal MFG Unlocker 1.7.0 — DLL для Windows, которая разблокирует DLSS Multi Frame Generation на RTX 50, 40, 30 и 20 серий. Поддерживает фиксированные множители до 6x и Dynamic MFG там, где он доступен. Меню по Backspace позволяет выбирать режим, множитель и пресеты DLSS. Есть XeSS Multi Frame Generation для NVIDIA, AMD и Intel — отдельно или через OptiScaler, опциональная вкладка DLSS 5 с методом перехвата, видом и масштабом разрешения, а также поддержка Vulkan и DirectX 12.

Для DLSS MFG в игре уже должна быть интеграция Streamline DLSS Frame Generation. На RTX 50 MFG работает нативно, и утилита лишь добавляет управление. Игры с античитом не поддерживаются.

Для установки DLL переименовывают в version.dll или winmm.dll и кладут рядом с настоящим exe игры, а не лаунчером. Список поддерживаемых имен DLL и совместимость с играми доступны в документации.

Industry2

NVIDIA: совет директоров начал расследование вокруг Дженсена Хуанга

Совет директоров NVIDIA начал независимое расследование после публикаций о том, что основатель и гендиректор компании Дженсен Хуанг оказался целью иностранной разведки. По данным CNBC со ссылкой на публикации NYT и FT, речь о его связи с предпринимательницей Элис Хуанг, которую спецслужбы США подозревают в работе на Пекин.

В письме сотрудникам Хуанг признал измену жене и извинился. Элис Хуанг связана с облачной компанией Megaspeed — клиентом NVIDIA, которую ранее подозревали в обходе экспортных ограничений. Три республиканских комитета Палаты представителей ждут Хуанга на закрытом брифинге 18 ноября; отчет NVIDIA за третий квартал выйдет 17 ноября.

IP-проверка для Claude — оценка подключения и поиск утечек

Сервис проверяет страну, провайдера и тип подключения, ищет утечки DNS и WebRTC и выставляет рейтинг доверия от 0 до 100, чтобы до регистрации выявить, что выдаёт конфигурацию. Автор предупреждает: зелёные галочки не отменяют правил Anthropic, а их нарушение ведёт к блокировке аккаунта, не только IP-адреса.