✔️ Krea открыла бета-тест модели Krea 3

Новая модель редактирует картинки по текстовому запросу в разрешении др 2K и укладывается меньше чем в 8 секунд, а самые быстрые конфигурации отвечают за 4–5 секунд.

Это следующая модель после Krea 2, первой собственной модели компании, которую Krea выпустила в мае, а в июне открыла её веса.

Бета открылась 15 октября на сайте Krea, в API и у партнёров fal, Replicate, OpenRouter и Together AI.

Финальный релиз вместе с дополнительными бенчмарками компания обещает на следующей неделе.

Krea 3 меняет на изображении только то, что указано в запросе, и держит одинаковыми объекты, персонажей и надписи от кадра к кадру.

В одну правку можно подать до шести изображений-образцов и ссылаться на них в запросе по номерам.

Модель превращает наброски и мудборды в фотографии, работает с живописными, векторными и графическими стилями и позволяет рамкой указать, где разместить новый объект.

Дообучение LoRA под конкретный продукт, человека или стиль пока выдают по запросу.

В X компания пишет, что по качеству Krea 3 сопоставима с Nano Banana Pro и GPT Image 2.5, но ни тестов, ни баллов пока не приводит.

Правка в разрешении 1K стоит 3 цента, в 2K – 6 центов, если не подавать изображения-референсы.

#news #ai #ml

🔥 MiniMax M3.1 Flash: втрое быстрее и в три раза дешевле M3, веса выйдут 23 октября

Space Bunny, который возглавил мировые рейтинги и прокачал более 200 трлн токенов, оказался ранней версией M3.1 Flash.

По данным MiniMax, модель набрала 62% на Automation-Bench, 30% на ALE, 74% на DeepSWE и 91% на BabyVision. Стоит она в треть от M3 и работает втрое быстрее.

API стоит 0,15 доллара за 1 млн входных токенов и 0,60 доллара за 1 млн выходных, чтение из кеша 0,015 доллара. Веса опубликуют 23 октября.

Попробовать можно через API, подписку M Plan и десктопный MiniMax Code .

Веса опубликуют 23 октября.

Источник: http://platform.minimax.io

@ai_machinelearning_big_data

#MiniMax

✔️ Alibaba представила генератор музыки HappyShrimp 1.0

Спустя 2 месяца после старта открытой беты состоялся релиз HappyShrimp 1.0 - генеративной модели, создающей законченные музыкальные композиции по тексту.

HappyShrimp использует сквозную архитектуру, в которой трек создается как единое целое, позволяя избежать механического звучания голоса, рассинхронизацию текста с ритмом и нецелостную структуру трека.

Модель умеет работать с абстрактными запросами, самостоятельно определяя жанр и инструменты под заданное настроение или контекст.

Для управления предусмотрены расширенные параметры: указание темпа, тональности, состав инструментовки, пол и манера вокалиста, а также кривая эмоционального развития композиции.

Вместе с моделью Alibaba объявила о партнерстве с лейблом Taihe Music Group, а в ближайшее время планирует выпустить отдельное мобильное приложение.

Все тексты, музыка, аранжировка и вокал для демо-ролика были созданы в HappyShrimp 1.0.

#news #ai #ml

✔️ Microsoft AI завершила претрейн MAI-Base-2

Лаборатория Мустафы Сулеймана закончила предобучение своей самой крупной MoE-модели на 2,8 трлн параметров, из которых на каждый токен работают 80 млрд. Сейчас она проходит дообучение, сроков релиза Microsoft не называет.

Веса компания собирается лицензировать проверенным партнёрам через платформу Foundry и отдельно подчёркивает, что учила модель только на собственных данных, без дистилляции ответов чужих моделей.

MAI-Base-2 обучали 38 дней в августе и сентябре на 16 тысячах GPU GB200, через модель прошло около 50 трлн токенов. Знания модели заканчиваются мартом 2026 года.

В отличие от предшественницы MAI-Base-1, она с самого начала училась и на изображениях, без отдельного визуального энкодера, на них пришлось 18% обучающей смеси.

На собственных наборах текстов, кода, задач по естественным наукам, математике и вопросов с ответами MAI-Base-2 предсказывает текст точнее всех протестированных открытых моделей с триллионом и более параметров: DeepSeek-V4-Pro-Base, Kimi K3, Qwen3.8-2.4T-A95B и MiMo-V2.6-Pro-RL.

По расчётам Microsoft, при её подходе к обучению, т. е. с теми же данными, архитектурой и настройками, модели нужно в 4–12 раза меньше вычислений, чем потратила DeepSeek, чтобы достичь качества DeepSeek-V4-Pro-Base.

Эта оценка выведена из законов масштабирования, а не из прямого сравнения.

@ai_machinelearning_big_data

#news #ai #ml