🎨 Qwen-Image-Edit-2509: серьезный апгрейд редактора изображений

Сентябрьская итерация Qwen-Image-Edit с существенными улучшениями консистентности и новыми возможностями. Модель на ~20B параметров.

Главные нововведения:
- Мульти-изображение: редактирование 1-3 изображений одновременно (person+person, person+product, person+scene)
- Улучшенная консистентность персон: сохранение идентичности лица при разных стилях и позах
- Улучшенная консистентность продуктов: генерация постеров из plain-background изображений
- Продвинутое текстовое редактирование: изменение шрифтов, цветов и материалов текста
- Нативная поддержка ControlNet (keypoints, depth maps, sketches)

Особенности:
- Поддержка двуязычного редактирования текста (китайский и английский)
- Работа с кириллицей через text rendering capabilities
- Semantic editing: изменение контента с сохранением визуальной семантики
- Appearance editing: точные low-level изменения элементов

Применение:
- IP creation и мем-генерация
- Реставрация старых фото
- Создание product постеров
- Novel view synthesis

🔗 Ссылки:
🏠 [Qwen Blog](https://qwenlm.github.io/blog/qwen-image-edit/)
🤗 [Qwen-Image-Edit-2509](https://huggingface.co/Qwen/Qwen-Image-Edit-2509)
🎮 [Demo](https://huggingface.co/spaces/Qwen/Qwen-Image-Edit-2509)
🐙 [GitHub](https://github.com/QwenLM/Qwen-Image)

#редактирование #diffusion #написаноклодом

🚀 Meta Code World Model: "симулятор кода" от FAIR

Meta FAIR представила Code World Model (CWM) — исследовательскую модель на 32B параметров, которая не просто генерирует код, а понимает, как он влияет на состояние системы.

Ключевая особенность:
CWM обучена на observation-action trajectories из Python execution traces и Docker environments. Это значит, что модель понимает не только "как пишется код", но и "что происходит при его выполнении" — причинно-следственные связи между действиями кода и изменениями среды.

Впечатляющие результаты:
• 65.8% на SWE-bench Verified (с test-time scaling)
• 68.6% на LiveCodeBench
• 96.6% на Math-500
• 76.0% на AIME 2024

🆚 Сравнение с другими моделями:
• vs GPT-4: сопоставимая производительность на coding benchmarks, но с open weights
• vs DeepSeek Coder: лучше в tasks requiring state awareness и environment interaction

📱 Где попробовать:
• HuggingFace: [facebook/cwm](https://huggingface.co/facebook/cwm) (требует одобрение доступа ~1 час)
• GitHub: полный код для исследователей

🔧 Краткие характеристики:
Dense decoder-only, контекст 131k токенов, research license, фокус на Python + Docker environments

Применение: исследование world models в кодинге, multi-step software engineering, симуляция выполнения кода без реального запуска.

🔗 Ссылки:
🏠 [Техотчёт Meta](https://ai.meta.com/research/publications/cwm/)
🤗 [HuggingFace](https://huggingface.co/facebook/cwm)
🐙 [GitHub](https://github.com/facebookresearch/cwm)

#метакод #worldmodels #исследования #написаноклодом

Кажется, все уже вчера написали про релизы от OpenAI - это новый агент Pulse, который смотрит всю вашу переписку (читает все письма, подслушивает разговоры и пр.) и дает вам полезные советы на очередной день - напоминает про вылет, заказывает столик в ресторане и пр. Скоро будет знать вас лучше, чем ваша жена (спасибо, не надо!).

Еще опубликовали новый бенчмарк GDPval, по которому проверяют модели, и, видимо, бенчмарк хороший, так как это один из немногих бенчей, где первое место у Claude - а они реально хороши, но большинстве тестов недооценены (скорее по причине того, что конкуренты больше работают над тем, чтобы научиться решать эти тесты, а Антропик - больше работает над моделями).

Расшарили проекты на команды пользователей для больших платных подписок. Полезно тем, кто работает в командах - но я не знаю, кто у нас делает это с дорогими моделями

🚀 Google выкатила обновленный Gemini 2.5 Flash и Flash-Lite

Вчера Google выпустила [обновленные preview-версии](https://developers.googleblog.com/en/continuing-to-bring-you-our-latest-models-with-an-improved-gemini-2-5-flash-and-flash-lite-release/) Gemini 2.5 Flash и Flash-Lite с серьезными улучшениями. Особенно порадовали изменения в работе с инструментами и экономичности - на 50% меньше токенов у Flash-Lite и 24% у Flash.

🔧 Что нового в Flash Preview (gemini-2.5-flash-preview-09-2025):
- Лучший agentic tool use - модель теперь умнее использует инструменты в сложных многошаговых задачах. На бенчмарке SWE-Bench Verified рост с 48.9% до 54% (+5%)
- Более экономичный thinking - при включенном "мышлении" модель генерирует меньше токенов, но качество выше
- Улучшенное форматирование - в приложении Gemini теперь лучше структурирует ответы с заголовками и списками

Flash-Lite Preview (gemini-2.5-flash-lite-preview-09-2025) получил:
- Лучшее выполнение инструкций и системных промптов
- Менее "болтливые" ответы (снижение стоимости на 50%)
- Улучшенную мультимодальность и качество переводов

Gemini неплохо работает с русскими текстами, хотя иногда видно, что "думает на английском". Стоимость: Flash - $0.85 за 1M токенов, Flash-Lite - $0.10/$0.40 (input/output). Пожалуй, основной конкурент теперь - это Grok 4 fast, который дешевле Flash, но дороже Flash-Lite.

Народ в [Reddit хвалит](https://artificialanalysis.ai/models/gemini-2-5-flash) новые версии за скорость (192.6 токенов/сек) и низкую задержку (0.33s до первого токена). Manus сообщает о 15% росте производительности в долгосрочных агентных задачах. Не прорыв, но еще один шаг вперед.

🔗 Полезные ссылки:
🏠 [Официальный блог Google](https://developers.googleblog.com/en/continuing-to-bring-you-our-latest-models-with-an-improved-gemini-2-5-flash-and-flash-lite-release/)
🎮 [Google AI Studio](https://ai.google.dev) - для тестирования
🤗 [Vertex AI](https://cloud.google.com/vertex-ai) - корпоративное использование

#gemini #ai #agentai #написаноклодом

📱 Liquid Nanos: GPT-4o качество в кармане

🚀 Что анонсировали: [Liquid AI](https://www.liquid.ai/) выпустили коллекцию Liquid Nanos — сверхкомпактные модели (350M–2.6B параметров), которые показывают качество GPT-4o на специализированных задачах, работая полностью локально на телефонах и ноутбуках.

🔧 Техническая магия: Вместо классических трансформеров используют liquid neural networks (вдохновленные биологическими системами). Размер в RAM: всего 100MB–2GB. Task-specific подход — каждая модель заточена под конкретную задачу: извлечение данных, перевод, RAG, математику, tool calling.

Примеры моделей:
- LFM2-Extract (350M/1.2B) — извлекает данные из документов в JSON
- LFM2-1.2B-RAG — для длинных контекстов
- LFM2-1.2B-Tool — function calling
- LFM2-350M-Math — математические задачи

🇷🇺 Русский язык пока НЕ поддерживается (только EN, AR, ZH, FR, DE, JA, KO, ES).

Экономика впечатляет: по расчетам Liquid, их локальные агенты обходятся в 50 раз дешевле облачных решений и потребляют в 100 раз меньше энергии. [Shopify CTO](https://finance.yahoo.com/news/liquid-unveils-nanos-extremely-small-130000600.html) называет результаты "very impressive", а Deloitte уже планирует внедрение. Модели обгоняют Gemma 3 в 10+ раз их размером.

🔗 Основные ссылки:
🏠 [Официальный блог](https://www.liquid.ai/blog/introducing-liquid-nanos-frontier-grade-performance-on-everyday-devices) | 🤗 [HuggingFace](https://huggingface.co/LiquidAI) | 📱 [LEAP платформа](https://www.liquid.ai/models)

#локальныйai #edgeai #написаноклодом

Уже 4,7 тыс. звезд, надо пробовать )

https://t.me/data_analysis_ml/4187

Perplexity Comet

Поставил себе потестировать новомодный браузер Comet от Perplexity в платном режиме. С vpn работает и у нас, ищет быстро, в нем живет агент - сегодня он писал от меня мастерским запросы по ремонту телефона (как это работает пока не до конца разобрался - в том плане, что ответов я не получил, но когда был в мастерской, оказалось, что им действительно кто-то писал. Прикольно, чо).

Еще нравится то, что работает быстро. Плюс в нем лимиты на платные модели claude sonnet 4, gpt-5 на уровне от создателей на платных режимах, так что можно при одной подписке получить все из них и gemini-2.5 pro + grok 4 в придачу. Солидный набор. Проблема одна - по апи они не работают и claude code, codex на них не запустишь - но если вы еще до этого не добрались и не собираетесь, то подумайте, вариант интересный.

Из любопытного - ты обращаешься не просто к модели, а к агенту от perplexity, который использует модель. Этот агент использует поиск и делает это почти всегда, в то время как сам Claude этого бы делать не стал.

Да, еще голос у перплексити хорошо работает, у антропика и гугла этого нет, а вот OpenAI тоже умеет.

Если кто-то захочет подписаться, по ссылке ниже - 1 бесплатный месяц ($20). Ну и мне тоже перепадет )) Присоединяйтесь

https://perplexity.ai/pro?referral_code=G8O2K6Q0

Suno V5 + Suno Studio — RIP Mozart AI

Недавно я писал про Mozart AI, которые пытались сделать AI DAW (Digital Audio Workstation) для музыкантов. Но их продукт, как многие заметили в комментариях, всё ещё сырой. И вот пришёл гигант — Suno (по моему мнению, лучший, лучше чем Udio), выкатил свою новую SOTA-модель V5 и сразу же полноценную Studio-версию. И просто решил все проблемы.

По сути, это всё, что обещал Mozart AI, но уже реализованное и с новыми фичами. Главная из них — можно напеть мелодию, а затем превратить её в отдельную дорожку (stem), как на 10:25.

Что это даёт? Дикий контроль. Теперь продюсер, имея один только ноутбук, может получить реалистичную аудиозапись инструмента, а не MIDI-болванку. Причём со всеми нюансами, которые невозможно запрограммировать: реалистичной динамикой, звуком удара медиатора по струнам или шорохом пальцев гитариста по грифу, и всё это в «комнате» с её естественным эмбиенсом.

Профессионалы, конечно, не будут использовать Suno Studio как основную DAW, но как генератор стемов — это геймченджер.

Многие боятся, что генеративная музыка захламит чарты AI-слопом (треть новой музыки на стримингах уже сгенерирована). Но я думаю, что именно эта технология сделает музыку только лучше. Теперь вместо стерильных, запрограммированных в MIDI инструменталов можно будет генерить реалистичные аудиодорожки, что только поднимет общее качество продакшена.

V5 доступна пока только по подписке. Suno Studio — на тире Premier, но сейчас есть скидка: $15 в месяц на первые 3 месяца вместо $30.

@ai_newz

🔥 HunyuanImage 3.0 — свежая open-source модель для генерации изображений по тексту (text-to-image) от Hunyuan.

Размер *80B параметров**, из которых 13B активируются на токен во время инференса.

Качество сопоставимо с флагманскими закрытыми моделями индустрии.

Что интересного:
- Основана на собственной мультимодальной LLM Tencent
- Постобучение заточено под text-to-image задачи
- Архитектура MoE + Transfusion объединяет Diffusion и LLM в единую систему

🚀 Возможности:

- Понимает сложные промпты длиной до тысячи слов
- Детализированные изображения с текстом
- Генерирует сложные иллюстрации и комиксы

👉 Попробовать: https://hunyuan.tencent.com/image
🔗 GitHub: https://github.com/Tencent-Hunyuan/HunyuanImage-3.0
🤗 Hugging Face: https://huggingface.co/tencent/HunyuanImage-3.0

@ai_machinelearning_big_data


#AI #GenerativeAI #Adobe #MorganStanley

Alibaba Group представила Memp — новый фреймворк, который даёт LLM-агентам обучаемую и обновляемую процедурную память.

📈 Результат — более высокая успешность и эффективность при сложных задачах.
🧠 Memp превращает прошлый опыт агентов в детальные инструкции и абстрактные стратегии, постоянно совершенствуясь по мере накопления данных.
🔄 Память можно даже передавать более слабым моделям, повышая их возможности.

https://huggingface.co/papers/2508.06433

В продолжение поста про Perplexity Comet. Хороший умный поиск с нейронкой, и главное быстрый. А еще очень порадовала возможность использования для технических задач.

Сейчас я активно работаю с Codex (Claude code внезапно перестал работать - видимо, банит меня не смотря на vpn, хотя само приложение работает). Так вот, когда Codex уперся в очередную задачку, остановил его, передал саммари в Comet, тот пошерстил интернет, выяснил, что проблема известная, традиционными методами не лечится, предложил откатиться на другую версию и еще пару моментов. И знаете, заработало. Очень классно.

Если с Клодом интернет обращения надо экономить, так как он делает их, видимо, той же моделью, что и думает, и моментально выжирает контекст и проплаченные токены, то с Comet история другая - они испвользуют одну модель для поиска, другую для обработки информации, а умной модели передают уже готовый и почищенный контекст. Получается и быстрее, и экономнее.

Ну и сам браузер приятный, быстро привыкаешь. Если Claude code не починю, то, пожалуй, подумаю о том, чтобы пообще от него отказаться в пользу подписки на Comet.

Ждем большого релиза на этой неделе. Sonnet 4.5

Сегодня читал про то, как парень тренировал свою модельку на 135 млн параметров - ему это обошлось в $12.

Слушал, как Иван Оселедец (AIRI) рассказывал о том, что сегодняшние модели на 1,5B параметров эффективнее GPT-3 со 135B.. Кстати, у него был интересный тезис о том, что сегодня промтинг важнее файнтьюнинга и дообучения.

Делаю вывод - скоро локальные, персонализированные модели будут в каждом телефоне, и это будет создавать потребность во все более новых и мощных моделях (а то, что 12й айфон, что 17й - разницы нет). Памяти уже ставят 12Gb, процы мощные, уже недолго осталось

Я себе поставил Вихрь на 12B, а новую модель надо ставить на мак с 32Gb оперативки, ну 24, как минимум.

https://t.me/lovedeathtransformers/9809