Нейросети для картинок
Нейросети для картинок создают изображения по текстовому описанию: Midjourney (миджорни), Stable Diffusion, FLUX, DALL-E и Nano Banana превращают промпт в иллюстрацию, фото или арт за секунды. Качество уже спорит с работой дизайнера, а суды разбирают вопросы авторских прав. Здесь — все наши материалы про генерацию изображений: релизы моделей, сравнения, цены и правовые баталии.
Mine-Sample-Render: трёхэтапный метод разнообразной генерации
Современные генеративные модели качественны, но однообразны. MSR (Mine-Sample-Render) — подход от Microsoft Research для разнообразной генерации на этапе…
OmniXRef: унифицированный фреймворк для редактирования видео с мультимодальными ссылками
Adobe Research представила OmniXRef — фреймворк для редактирования видео с мультимодальными ссылками. Позволяет комбинировать текст, изображения и видео для…
Matrix Game 4.0 выдаёт 60 FPS на одной игровой видеокарте и обходит конкурента Nvidia
Китайская интерактивная мировая модель Matrix Game 4.0 в реальном времени генерирует играбельную картинку на 60 FPS на одной потребительской видеокарте.
VAST открыла код мировой модели: аниме-версия Flash Step считается в реальном времени
Kimi K3.1 Pro выходит на 4-е место AA Index с 55 баллами и рывком в агентах
Alibaba DAMO выпустила RynnUnify: 16B-модель планирует видео и ведёт робота
Easy-3Dfy собирает 3D-сцену из одного фото и обходит SAM-3Dfy
Тихие отказы в ИИ-пайплайнах: почему зелёный статус контейнера врёт и как мы срезали 90% расхода на LLM
Запасная ветка в блоке catch без отдельного счётчика и алерта маскирует полный отказ системы: новый агентный конвейер из трёх моделей не отработал в продакшне ни…
LoopWAM из Цинхуа возглавил RoboChallenge Table30 и вышел в открытый код
Мировая модель действий LoopWAM от Цинхуа, 原力灵机 и 极寰时代 заняла первое место в бенчмарке RoboChallenge Table30. Код, статья и страница проекта уже опубликованы.
Volcano Engine открыла Seedance 2.5 4K для 20 студий под кинопроекты
ACT3D учит VLM исследовать 3D-сцены и обходит Gemini 3.6 Flash: 53,2% на шести бенчмарках
Wujie Dongli открыла модель мира MWA-Phoenix и взяла шесть бенчмарков
LILIE учит генерацию картинок через язык и снижает gFD с 66,84 до 53,01
FilmFlow: четыре агента строят траектории камеры в 3D по тексту и видео
Агентная система FilmFlow превращает текст или референсное видео в исполняемую траекторию камеры в 3D. На бенчмарке CinemaBench из 750 задач она обошла базовые…
BrickWright учит кодинг-агентов собирать LEGO: 100% валидных сборок против 9–69%
Фреймворк BrickWright с Python-тулкитом BrickLayer довёл долю физически корректных LEGO-сборок до 100% на 512 промптах, тогда как базовые агенты давали от 9% до 69%.