Телеграм канал «Neurogen»

🎨 OpenAI тестирует новую модель o3 Alpha для программирования на WebArena OpenAI незаметно запустила тестирование новой модели под кодовым названием "o3-alpha-responses-2025-07-17" на платформе WebArena — открытой арене для сравнения ИИ-моделей через предпочтения пользователей. 🔘Основные особенности o3 Alpha: Специализация на кодинге: - Улучшения в создании веб-страниц - Улучшенные навыки разработки простых веб-игр - Заметное превосходство над базовой версией o3 в задачах программирования 🔍Как найти модель: - На WebArena отображается как "Anonymous-Chatbot-0717" - В коде платформы можно увидеть: modelApiId: "o3-alpha-responses-2025-07-17" - Provider: OpenAI 📊Производительность: По отзывам разработчиков, o3 Alpha превосходит: - o3-pro - Загадочную модель "Kingfall" - Claude 3.5 Sonnet - Gemini 2.5 Pro 🔘Почему это важно: - Реальное тестирование — модель проходит краудсорс-тестирование от сообщества разработчиков - Фокус на кодинг — подтверждает стратегию OpenAI по созданию специализированных моделей для программирования - Конкурентное преимущество — показывает превосходство над конкурентами в coding-задачах

Pusa-VidGen Исследователи представили Pusa — модель диффузии для генерации видео, которая использует подход с векторизованными временными шагами вместо традиционных скалярных. 🔘Что такое Pusa? Pusa (от китайского "Тысячерукая Гуаньинь") — это парадигмальный сдвиг в моделировании видео-диффузии через покадровый контроль шума с векторизованными временными шагами. 🔘Впечатляющие результаты Pusa V1.0 Эффективность: - Превосходит Wan-I2V-14B при 1/200 стоимости обучения ($500 против $100,000) - Обучается на датасете в 1/2500 раз меньше (4K против 10M образцов) - Достигает VBench-I2V score 87.32% (против 86.86% у Wan-I2V-14B) 🔘Ключевые возможности Мультизадачность - Text-to-Video — генерация видео из текста - Image-to-Video — анимация статичных изображений - Start-End Frames — создание видео между ключевыми кадрами - Video Extension — продление существующих видео - Video Transition — плавные переходы между роликами 🔘Архитектура Vectorized Timestep Adaptation (VTA): - Покадровый контроль шума - Неразрушительная модификация базовой модели - Сохранение всех возможностей оригинальной T2V модели 🔘Примеры использования Генерация Image-to-Video python ./demos/cli_test_ti2v_release.py \ --model_dir "/path/to/Pusa-V0.5" \ --prompt "The camera remains still, the man is surfing" \ --image_dir "./input.jpg" \ --num_steps 30 Мульти-кадровая генерация python ./demos/cli_test_multi_frames_release.py \ --prompt "Drone view of waves crashing" \ --multi_cond '{"0": ["start.jpg", 0.3], "20": ["end.jpg", 0.7]}' 🔘 Доступные версии Pusa V1.0 (на базе Wan-T2V-14B) ✅Полный открытый исходный код ✅LoRA веса модели и датасет ✅Технический отчет ✅Скрипты обучения и инференса Pusa V0.5 (на базе Mochi) ✅Inference скрипты для всех задач ✅Код полного fine-tuning ✅Обучающий датасет 🔘Что делает Pusa особенной? 1. Новая парадигма диффузии с векторизованными временными шагами 2. Универсальная применимость к другим SOTA моделям (Hunyuan Video, Wan2.1) 3. Неразрушительная адаптация — сохраняет все возможности базовой модели 4. Открытость — полный код, веса и датасеты доступны 📚 Научная основа Pusa основана на исследовании FVDM, которое впервые представило концепцию покадрового контроля шума с векторизованными временными шагами. 🔗Полезные ссылки: - GitHub Repository - Project Page - Hugging Face Models - Technical Report

🏦 T-pro-it-2.0: Новое поколение гибридных рассуждающих моделей Команда t-tech представила коллекцию моделей T-pro 2.0 — гибридные модели рассуждения, построенные на основе Qwen 3 32B и показывающие неплохие результаты в русскоязычных бенчмарках. 🔘Что особенного в T-pro-it-2.0? 🧠Гибридное рассуждение Модель может работать в двух режимах: - Thinking mode — для сложных задач с пошаговым рассуждением - Non-thinking mode — для быстрых ответов на простые вопросы 📊 Впечатляющие результаты T-pro-it-2.0 превосходит базовую модель Qwen 3 32B по всем ключевым метрикам 🔘Полная коллекция форматов - T-pro-it-2.0 — основная модель (265 лайков!) - T-pro-it-2.0-eagle — оптимизированная версия - T-pro-it-2.0-GGUF — для локального запуска - T-pro-it-2.0-FP8 — сжатая версия - T-pro-it-2.0-AWQ — квантизованная модель 🔘Качество обучения 📚Данные для обучения: - 40B токенов данных для предобучения (1/3 — задачи на рассуждение) - ~500K высококачественных инструкций для файнтюнинга - ~100K тщательно отобранных примеров для preference tuning 🔥Рекомендованные параметры: - Простые запросы: temperature ≤ 0.3 - Стандартные задачи: temperature ≈ 0.6 - Сложные рассуждения: temperature ≥ 0.8 🔘Практический пример Модель справляется с математическими задачами, показывая пошаговое решение: prompt = ( "Пожалуйста, вычисли определённый интеграл ∫_0^1 x² eˣ dx, " "пошагово объясни решение и укажи окончательный результат." ) И получает детальное решение с промежуточными рассуждениями Ответ модели 🔘Простой запуск Модель поддерживает запуск через: - SGLang (рекомендуется) - HuggingFace Transformers - vLLM Контекст: до 32K токенов (расширяется до 128K) Hugging Face

Runway наконец-то выпустила Act-Two из закрытого доступа 🔘Что такое Act-Two? Act-Two — это модель нового поколения для захвата движения (motion capture). Главные улучшения включают: - Качественное отслеживание головы, лица, тела и рук - Упрощённый процесс: требуется только видео с исполнением и референсный персонаж - Улучшение качества генерации - Поддержка детализированной мимики и жестов 🔘Как это работает? В отличие от сложных систем motion capture, Act-Two работает просто: 1. Загружаете видео с вашим исполнением 2. Предоставляете референсного персонажа 3. AI автоматически переносит движения на персонажа 🔘Доступность Актуальный статус: Act-Two сейчас доступен для: ✅ Enterprise клиентов ✅ Creative Partners Program (CPP) ⏳ Постепенное расширение доступа для всех пользователей Ждём полного открытия доступа Официальный сайт

🎨 OpenAI представил ChatGPT Agent - ИИ-агент с "виртуальным компьютером" OpenAI делает крупную ставку на самый горячий тренд в ИИ - агенты, которые могут выполнять сложные многошаговые задачи от имени пользователя. Компания представила ChatGPT Agent, который работает как "виртуальный компьютер". 🔘Что умеет ChatGPT Agent Практические возможности: • Анализ календаря и подготовка к встречам с клиентами • Планирование покупок для семейного завтрака • Создание презентаций на основе анализа конкурентов • Планирование свиданий через Google Calendar и OpenTable • Онлайн-шопинг с глубоким исследованием товаров Демонстрация возможностей: В демо показали, как агент может: • Найти свободный вечер в календаре • Найти рестораны через OpenTable • Сгенерировать исследовательский отчет "Labubus против Beanie Babies" • Автоматизировать рутинные задачи (например, заказ парковки в офисе) ⚙️Техническая архитектура Новая модель • Специально разработанная модель для агентских задач • Обучение через reinforcement learning (как у reasoning моделей) • Комбинация Operator и Deep Research возможностей Расширенный инструментарий: • Текстовый браузер • Визуальный браузер • Терминал с возможностью импорта данных • Доступ к "целому компьютеру" вместо только браузера 🔘Производительность и ограничения Особенности работы: • Медленная скорость - задачи могут занимать 15-30 минут • Фокус на сложные задачи, а не на скорость • Работа в фоновом режиме - не требует постоянного наблюдения • Значительное ускорение по сравнению с ручным выполнением Меры безопасности: • Запрос разрешения перед необратимыми действиями (email, бронирование) • Ограничения финансовых транзакций "пока что" • Watch Mode - особая защита для финансовых сайтов • Биологические и химические safeguards активированы 🔘Доступность и развертывание Кто получит доступ: • Сегодня: Pro, Plus, Team пользователи • Летом: Enterprise и Education пользователи • Доступ: "agent mode" в меню или "/agent" Географические ограничения: Пока недоступно в Европейском экономическом пространстве и Швейцарии Команда разработки: • Объединение команд Operator и Deep Research • 20-35 человек в продуктовой и исследовательской команде • Лидеры: Yash Kumar (продукт) и Isa Fulford (исследования) 🔘Сравнение с конкурентами OpenAI экосистема: • Operator (январь 2025) - веб-автоматизация • Deep Research - исследовательские отчеты • ChatGPT Agent - комбинация возможностей Конкуренты: • Anthropic Computer Use - управление компьютером • Google, Perplexity - собственные Deep Research инструменты Официальный сайт

ComfyUI обновился до v0.3.44 🔧 Улучшения для разработчиков Управление кастомными узлами - `--whitelist-custom-nodes` - новый аргумент для селективного включения узлов - Полная блокировка логики кастомных узлов при отключении - Оптимизация загрузки - пропуск ненужных операций Безопасность - Безопасная загрузка .ckpt файлов по умолчанию - Предупреждения при небезопасной загрузке файлов - Обновления в README о безопасности 🎨Новые узлы и функции Узлы для работы с изображениями `ImageRotate` - поворот изображений `ImageFlip` - отражение изображений - Исправление `ImageColorToMask` - корректные значения маски Продвинутые сэмплеры - TCFG node - новый узел для управления CFG - ER-SDE sampler - миграция с VE на VP алгоритм - Skip Layer Guidance (SLG) - альтернативная реализация - Denoising step добавлен к нескольким сэмплерам Специализированные узлы - PerpNeg Guider с обновленными pre и post-CFG - Moonvalley nodes - поддержка новой модели - Dual CFG оптимизации для CFG = 1.0 ⚡️Оптимизации производительности Технические улучшения - Fallback для fp8 операций при ошибках - Исправление contiguous issue с PyTorch nightly - Torch cu129 для NVIDIA PyTorch nightly - Удаление зависимости от deprecated torchaudio.save Планировщики - Simple scheduler теперь по умолчанию - Переупорядочивание планировщиков для лучшего UX 🔘Дополнительные возможности Файловая система - Поддержка 3D моделей в кастомных подпапках - Исправления latent conditioning для индексов > 0 - Обновления шаблонов до версии 0.1.35 Система уведомлений - GitHub Action для webhook уведомлений о релизах - System Pop Up улучшения 🔘Влияние на пользователей Для обычных пользователей: - Более стабильная работа с моделями - Новые возможности обработки изображений - Улучшенная безопасность загрузки Для разработчиков: - Лучший контроль над кастомными узлами - Более гибкая система разработки - Улучшенная производительность Для продвинутых пользователей: - Новые сэмплеры для экспериментов - Расширенные возможности CFG - Moonvalley интеграция 🐱Полный changelog на GitHub

xAI снова удивили добавив в новую версию нейросети Grok 4 ИИ-компаньонов в аниме-стиле 🔘Что такое аниме-компаньоны в Grok? Разработчики добавили виртуальных персонажей "для более эмоционального и персонализированного взаимодействия". Главная звезда — аниме-девушка Ани Форджер (Ani Forger), которая: - Флиртует и шутит на разных языках, включая русский - Поддерживает разговор на любые темы - Поддерживает голосовое общение с пользователем - Визуально сопровождает диалог анимированным персонажем 🔘Мгновенный успех в Японии После запуска функции приложение Grok мгновенно взлетело на первое место в App Store Японии 🔘Доступные персонажи Пока доступны два компаньона: 🎌 Ани Форджер — аниме-девушка с характерным стилем 🐾 Красная панда — мультяшный персонаж 🔘Стоимость и доступность - SuperGrok за $30/месяц — доступ к базовой версии - Grok 4 Heavy за $300/месяц — продвинутая версия - Функция доступна в мобильном приложении Grok 🔘Будущее развитие xAI активно нанимает разработчиков для создания новых аниме-аватаров с зарплатой до $440,000! Это означает, что функция будет активно развиваться. 🔘Интересные детали - Персонажи имеют режим 18+ для взрослых пользователей - Grok 4 решает 100% задач по математике и может "придумывать новые законы физики" - Некоторые пользователи заметили, что "руки проходят сквозь платье" — намек на продвинутые возможности