Соне нравится (или нет)

Совсем от рук отбился. 😎

Ну да, было.

Потестила я вашу новую видеомодель MiniMax H3. 🎩 Конечно же, первым делом я отправила её сдавать экзамен по моему любимому фигурному катанию. Это вообще отличный стресс-тест для видеомоделей: тут нужно одновременно понимать анатомию, перенос веса, вращения, положение рук и ног + не превращать человека в "пластилинового" между соседними кадрами. На первый взгляд результат выглядит не так уж плохо для модели с открытыми весами. Но как только фигуристка начинает делает прыжки, то получается каша: механика тела становится странной, движения теряют вес и инерцию, а отдельные позы будто существуют независимо друг от друга. Я всего лишь хотела увидеть каскад тройной лутц + тройной тулуп. 😱 То же самое я заметила и в тестах других людей, поэтому, кажется, это не только мой особенно издевательский промпт. Но у меня и крутой Сиданский на генерации чего-то из фигурного катания лажал. Оставшиеся кредиты я решила потратить на сюжет, происходящий внутри The Sims 2 (люблю залипать на такие видео в TikTok ). Должна быть та история, когда игрок решает удалить лестницу в бассейне у сима, но в случае моего сюжета сам сим переходит в режим строительства и удаляет дом у игрока. 😎 Без референса модель, правда, не очень поняла, как именно должна выглядеть графика второй части. В итоге получилось что между The Sims 1, Minecraft и Roblox. Забавно, но вообще не то. 🥺 Зато после нескольких генераций + примеров тестов других людей у меня возникло другое впечатление: будто в обучающем датасете было очень много рекламных роликов и коммерческой 3D-графики. Глянцевые материалы, стерильный свет, плавные пролёты камеры, характерная композиция. Смотришь и буквально ждёшь, когда в кадре появится упаковка шампуня или логотип очередного финтеха. Связано ли это с обучающим датасетом, мы пока не знаем: MiniMax не опубликовали ни technical report, ни описание состава данных. Более того, на их сайте запрос сначала обрабатывает закрытая система H3-Context-IR, которая сама дополняет и структурирует промпт. Поэтому этот узнаваемый рекламный глянец мог появиться как из обучающих данных, так и из последующего дообучения или внутренней обработки запроса. 🤷‍♂️ Но визуальная привычка у модели ощущается довольно отчётливо и, возможно, именно в ней находится её нормальное практическое применение. Так сказать, нишевая модель. Потому что у H3 есть преимущества, которые в моих двух издевательских тестах почти не проявились. Она умеет воспринимать текст, изображения, видео и аудио как части одного контекста. В reference-режиме можно передать до девяти изображений, трёх видео и трёх аудиодорожек (суммарно до двенадцати файлов). Пользователи уже тестируют два референсных изображения вместе с готовой аудиодорожкой, липсинк с анимированным текстом песни, типографику внутри видео, рекламу игры и моушн-дизайн. И вот для рекламы, клипов, моушн-дизайна и коммерческой графики такая управляемость может оказаться гораздо важнее, чем способность идеально воспроизвести технику тройного лутца. А самое интересное веса H3-Base открыты. Модель можно скачать, запустить локально, встроить в ComfyUI-пайплайн и дообучить под конкретную задачу. Сообщество уже успело выпустить квантизированные версии и прикрутить экспериментальное обучение LoRA. Самый маленький Q2-квант основного трансформера весит около 8,5 GB, и пользователи сообщают о запуске на видеокартах с 12 GB VRAM. Это не превращает локальную генерацию в комфортное развлечение: модель всё ещё тяжёлая, медленная и с удовольствием съедает оперативную память. Но технически она хотя бы не заперта внутри сайта с моими оставшимися восемьюдесятью кредитами. 🤬 Наконец-то AI становится действительно Open. 🥵

Ага, а керри Team Yandex должен спроектировать масштабируемую систему фарма крипов, но после найма его отправят ставить варды. 😎 https://t.me/ebaresearch/3842

Теперь это мой любимый мем https://t.me/toshoseti/1898

Что слушает твой коллега, который не разобрался в настройках модели, выкрутил всё на максимум и потратил весь месячный лимит по токенам за пару часов

В древние времена, когда люди писали ещё код своими ручками (и думали головой) и использовали для этого всякие редакторы кода Atom или SublimeText, а потом уже и VS Code, я очень любила устанавливать всякие плагины по типу плагина с Nyan Cat или плагин с счётчиком комбо, который увеличивался, были ещё всякие фейерверки и искры, когда ты начинал быстро и без ошибок печатать код. Сейчас я люблю находить подобные штуки для Claude Code. Про это уже многие написали, но мне ТАК нравится, что я не могу не поделиться. Ребята из Anthropic добавили возможность получить своего консольного питомца! 😘 Самое крутое, что это не просто статичная картинка, а полноценная гача (ну совсем чуть-чуть лудоманства есть в каждом из нас): 💎 Там есть уровни редкости! Когда вы призываете питомца, запускается рулетка, и вам может выпасть зверь одного из тиров: ⬜️ Common (Обычный) — базовые петы (например, ворчливая черепаха). 🟩 Uncommon (Необычный) — попадаются реже, чуть более интересные статы. 🟦 Rare (Редкий) — тут уже начинаются крутые звери с ярким характером. 🟪 Epic (Эпический) — для везунчиков. 🟧 Legendary (Легендарный) — шанс дропа всего около 1%! ✨ Shiny (Блестящие) — особые скрытые мутации любого из тиров, прямо как редкие покемоны. У каждого свои RPG-статы. Характер генерируется случайно: терпение, мудрость, склонность к дебагу, хаосу и сарказму. Мне, например, выпала рарная (Rare) утка-мизантроп с уровнем сарказма 79, которая токсичит на мои баги и воспринимает их как личное оскорбление. Буквально я 🆓 Это бесплатно. Их болтовня и комментарии к коду не жрут ваши лимиты токенов. Чтобы покрутить эту рулетку и получить своего бадди, просто пишите в запущенной сессии команду: 👉 /buddy (а командой /buddy pet его можно погладить 🤗 на свой страх и риск).

Упс ☹️ Надеюсь, что и когда его ласково называют, он тоже это записывает.. https://t.me/data_secrets/8959

Люблю периодически у Claude Code запрашивать фидбек о наших сессиях через команду /insights. Кстати, это очень крутая фича, которая позволяет качественно улучшить процесс вайб-кодинга. Жду, пока там появится пункт о том, чтобы я его меньше оскорбляла и материла. Стоп мне неприятно 😨

Советую почитать. Очень занятно отметить, что некоторые люди до сих пор не научились самостоятельно информацию в интернете искать и анализировать, а тут нейросетевая модель хакнула бенчмарк для её же оценки. 🥵 https://t.me/dealerAI/1724

Пока админ перебиралась по работе на Балканы, тут челики из лабы Сингапурского университета представили Kiwi-Edit — опенсорс фреймворк для редактирования видео, который объединяет и текстовые инструкции, и визуальные референсы. Что прикольного: ☝️ можно редактировать видео просто текстом (например, «замени куртку на синий пуховик») или загрузить картинку-референс, чтобы модель сама скопировала стиль или объект оттуда; ☝️ в отличие от многих аналогов, Kiwi-Edit отлично (ну правда неплохо) справляется с точечными задачами. Например, добавить шляпу на персонажа, не ломая всё остальное. Хотя свои артефакты внесёт; ☝️ позволяет сделать неплохой рестайл видео, сохраняя при этом движения героев. Но опять же качество выходного видео будет ниже исходного; ☝️ поддерживает разрешение 720p и в целом нет "мерцаний" от кадра к кадру. Если копнуть в архитектуру и детали: модель построена на связке мультимодальной языковой модели (MLLM) и диффузионного трансформера (DiT). Это позволяет ей буквально понимать структуру сцены и ваши пожелания для редактирования. Разрабы данной модели выложили в открытый доступ не только код и веса моделей, но и огромный датасет на 477 тысяч примеров. Так что однозначно +реп. Примеры работы есть у них на сайте, а также есть поднятая gradio-демка, так что сами можете потестить. 🥂

Давно я не писала в свой канал и пора бы возобновить его жизнь. 🙂 Отчасти это из-за того, что телеграм-каналов стало так много, особенно которые рассказывают про нейронные сети, что я немного потерялась в смысле ведения своего канала. Писать просто разбор пейперов будто уже не совсем актуально, когда тебе его может разобрать какой-нибудь NotebookLM. Понятно, что он не даст какую-то экспертную оценку с точки зрения опыта работы, но будто уже в этом потоке рисерча хватило бы времени и сил элементарно прочитать и понять для себя, не говоря уже про составление текста. Да такого, чтобы люди поняли, что ты им хочешь донести. И я люблю писать тексты сама, не теряя своей индивидуальности в них. 👆 Но закончим с отмазками, почему я забросила свой телеграм-канал и вернемся к полезному. В октябре уже прошлого года я приступила к работе на новом месте. И на новом месте мне нужно не просто делать какие-то нейросетевые модели и пайплайны с ними, но и понимать про графику и анимацию, потому что это геймдев с мобильными играми. 😱 И много специфичных знаний, которыми нужно обладать, чтобы понять, хороший результат выдала твоя модель или нет. Численные метрики тут не работают. Но мне очень нравится, потому что я люблю играть в видеоигры, а ещё я люблю графику. А ещё классно, когда тебя окружают опытные коллеги в этом и рассказывают про то, как игры работают. ❤️ Несмотря на мой большой опыт работы с нейросетями и большую техническую экспертизу по их разработке/пайпланов с ними, сейчас я стараюсь максимально впитать специфичные для этой среды знания и навыки. И это мне тоже нравится. Вот в прошлом месяце я в ускоренном режиме прошла курс по анимации от Pixar чисто для себя, чтобы лучше понимать, как должна выглядеть действительно классная анимация, которая при её просмотре вызывает положительные эмоции. И вам советую для общего развития, курс хороший. А ещё смотрю по вечерам разные мультики, аниме (хотя и до этого смотрела) и фильмы в большом количестве, чтобы развить какую-то насмотренность что ли. Но не просто тупо смотрю, а стараюсь обращать внимание на визуальную составляющую. Если будет что-то полезное по этой теме, то скидывайте в комментарии. Я буду тоже чаще писать про мой новый путь. 🤓

Ситуация на рынке примерно такая: https://t.me/sashaonline/43955

Попалось вот такое. В комментариях люди массово просят остановить такое быстрое развитие нейросетевых моделей, но у RnD-отделов/лаб другие планы. 😎 иначе их разгонят к чертям А помните, как многие генерировали всякие абстрактные миры в DiscoDiffuson и тогда казалось, что это вау?

Чел просто не умеет правильно обращаться с ллм-ками, когда жопа горит вместе с дедлайнами. 😐

Телеграм сделал СТОЛЬКО всего, но почти ничего реально полезного для владельцев каналов, чтобы их было удобно вести. Например, до сих пор нельзя нормально писать длинные посты с картинками так, чтобы они красиво отображались, а изображения можно было вставлять прямо внутрь текста, в любое место, а не только сверху. Да, есть telegra.ph, но это всё равно костыль и ощущается чем-то отдельным, а не частью канала. Лично мне ещё не хватает предпросмотра структуры будущего поста и как будущий пост будет выглядеть относительно и других постов тоже. А для премиум-пользователей уже можно добавить встроенную генерацию картинок (хотя бы с каким-то лимитом), типа диаграмм или схем, прямо в редактор, чтобы пост сразу выглядел законченным и наглядным. Павел Валерьевич, ну пожалуйста.... 🥺