Помимо прекрасной новости от том, что будет курс от Эндрю Нг, не могу не сказать о том, что он же организовал и лучший, на мой взгляд, ресурс для обучения ИИ - https://www.deeplearning.ai - всем очень рекомендую

🚀 Qwen3-VL: визуальный ИИ с режимом "мышления" и агентскими способностями

Команда Qwen выпустила Qwen3-VL — самую мощную мультимодальную модель в линейке. Модель доступна в двух версиях: Qwen3-VL-235B-A22B-Instruct и Qwen3-VL-235B-A22B-Thinking Qwen3-VL: Sharper Vision, Deeper Thought, Broader Action, плюс компактная версия Qwen3-VL-30B-A3B (30B общих параметров, 3B активных). Релиз состоялся 23 сентября, сейчас начинают приходить результаты тестирования модели, и они весьма впечатляющие.

Ключевые фишки:
Модель работает с текстом, изображениями и видео через единый интерфейс. Умеет управлять GUI компьютера и мобильных устройств — распознает элементы интерфейса, понимает их функции и выполняет задачи. Генерирует код (HTML/CSS/JS/Draw.io) из скриншотов и видео. Поддерживает продвинутое 2D/3D позиционирование объектов для spatial reasoning

Qwen/Qwen3-VL-30B-A3B-Instruct OCR работает на 32 языках (включая русский) с высокой точностью даже на низкокачественных сканах. Пользователи хвалят. Контекст: 256K токенов нативно, расширяется до 1 миллиона. Можно загрузить целые учебники или часы видео.

Два режима работы: Instruct для быстрых ответов, Thinking для сложных задач с рассуждениями. Версия Instruct сопоставима с Gemini 2.5 Pro по визуальному пониманию, а Thinking показывает SOTA на математических бенчмарках.

Interleaved-MRoPE для лучшего понимания длинных видео, DeepStack для детального анализа изображений, выравнивание текста с временными метками для точной локализации событий в видео.

Размер и доступность:
Flagship-модель Qwen3-VL-235B-A22B весит 471 GB — не запустишь на обычном Mac Qwen3-VL: Sharper Vision, Deeper Thought, Broader Action. Но есть версия 30B-A3B (3B активных параметров), которая должна работать на мощных Mac, плюс выпущены FP8-квантизации. Все под лицензией Apache 2.0.

Qwen движется быстро — учитывая их темп релизов, меньшие версии Qwen3-VL могут появиться в ближайшие дни Qwen3-VL: Sharper Vision, Deeper Thought, Broader Action. Это серьезная альтернатива закрытым моделям с упором на визуальные задачи и агентские возможности.

#мультимодальныеLLM #VLM #написаноклодом

🤣🤣🥲

Такая подстава )) пытаюсь тут оживить Claude code - он банится с VPN даже со своим сервером (жесть), зашел тут в какое-то окошко на десктопном приложении с артефактами - там тоже сидит свой Claude code, только он не настоящий, а имитация ))) Засранцы, а я-то надеялся

На выходных мало писал, потому что мало читал. Занимался своими задачками. Где-то прямо почти получилось, где-то еще надо поработать.

Во-первых, теперь я обхожусь без vpn - и это было открытие дня. Начал настраивать потому что claude code не работал (проблему решил, но сейчас опять не работает - зато теперь понимаю, как можно порешать, попробую уже позже).

Идея в том, что настроил себе прокси - купил американские, итальянские и пр. IP (в пакете 20 штук) и настроил так, чтобы зарубежные сайты шли через прокси, а российские - напрямую.

Работает! Сделал себе на компе, на сервере, на телефоне. Теперь мне не надо переключаться - включать, отключать vpn, все работает все время ))

Естественно, все сделал на open-source. Сама программулина - китайская, думаю, они знают толк в таких вещах.

В общем, интересно провел выходной. Вечером работаю над другой, уже более прикладной, но для меня очень важной задачкой - как мотивировать ребенка учить python. Расскажу об этом немного попозже, надеюсь и покажу - для тех, кто пользуется Claude

OpenAI запускает функционал по созданию агентов, как в n8n. Эти щупальца до всех дотянутся - нет такой сферы и такого ПО, куда в перспективе не полезет Сам Альтман

В курсоре новая модель Cheetah неизвестного происхождения, умная и очень быстрая. Скорее всего, это тестируется будущая Gemini 3 от Google

❗️Amazon закрывает в Великобритании свои продуктовые магазины без касс, работающие под контролем искусственного интеллекта, после того, как британцы перестали туда ходить, когда выяснилось, что удаленные индийские работники следят за покупателями и рассчитывают их счета на кассе вместо того, чтобы это делал искусственный интеллект.

🚀 NeuTTS Air - on-device TTS с мгновенным клонированием голоса

Это первая реалистичная модель синтеза речи, запускаемая на устройстве, без api.

Формат - GGML, что позволяет работать на телефонах, ноутбуках и даже на Raspberry Pi.
Клонирование голоса за 3 секунды: достаточно короткого аудиофрагмента, чтобы сконструировать голос для последующих синтезов.

Базируется на лёгком языковом ядре (0,5 B) + нейрокодек NeuCodec, что обеспечивает баланс между качеством и скоростью.
Генерируемые аудио отмечаются водяным знаком с помощью Perceptual Threshold Watermarker — для борьбы с злоупотреблениями.

GitHub: https://github.com/neuphonic/neutts-air

🎥 Генерация видео из кода с Code2Video

Code2Video предлагает инновационный подход к созданию образовательных видео на основе кода. Проект позволяет визуализировать программные концепции, превращая код в наглядные видеоматериалы, что упрощает обучение и понимание.

🚀Основные моменты:
- Генерация видео на основе программного кода.
- Поддержка различных учебных тем.
- Визуализация сложных концепций в доступной форме.
- Открытый доступ к проекту и данным.

📌 GitHub: https://github.com/showlab/Code2Video

#python