Нейронавт | Нейросети в творчестве

со звуком

#humor

#humor

WeVisOne-VL-2B

Одна модель Tencent на замену пачке узких: детекция, поиск по описанию, счет объектов, указание точки, #OCR, сегментация и маттинг по подсказке

Все задачи сводятся к структурному предсказанию токенов, поэтому один проход закрывает рамки, маски и альфу в полном разрешении. Работает с одиночными картинками, сетку видео не принимает. Слабое место - сложная прозрачность и сильные перекрытия

• Находит объекты без заранее заданного списка классов
• Локализует по описанию словами и ставит точку на объекте
• Считает объекты и читает текст с координатами
• Режет объект по текстовому запросу
• Делает альфу с мягкими краями, например для вырезания человека

База Qwen3-VL, 2B

github.com/Tencent/WeVisOne-VL
huggingface.co/tencent/WeVisOne-VL-2B
huggingface.co/spaces/hugging-apps/wevisone-vl-4b

#detection #cv #segmentation

Canva Craft

Собственная модель генерации от Canva Research заточенная под дизайн. Отличие двухэтапное: сначала модель собирает композицию, раскладывает объекты, пропорции, иерархию и надписи, потом превращает этот план в готовую графику.

• Реклама, постеры, обложки, иллюстрации и прочие коммерческие макеты
• Правка отдельных элементов композиции после генерации
• Стыковка с Magic Layers, результат превращается в редактируемые слои Canva
• Надписи и запросы на 55 языках

• Разрешение до 2K
• Больше 30 соотношений сторон
• Работает в Dream Lab и через API
• Локального запуска нет
• Анонсированы быстрые Craft-fast и Craft-ultrafast

API
MCP - скоро

#design

OpenSplat

Реконструктор сплатов для Android
Первое открытое решение такого рода на Android, второе вообще, если считать Niantic Scaniverse

• Съемка и обучение сцены локально на устройстве
• Просмотр готового сплата на месте
• Работает без LiDAR, которого на Android нет
• Открытый код под Apache 2.0
• Интерфейс на SceneView, обучение на движке brush

• Навайбкожено за два месяца
• Обучение идет через WebGPU с трансляцией в Vulkan, отсюда переносимость
• В планах движок VkSplat, чтобы убрать прослойку и работать с GPU напрямую

Автор перебирал свежие статьи по мобильным 3DGS и довел до рабочего состояния только один подход

#gaussian #android #mobile

MOSS-Image MAX ULTRA hires LoRA

Экспериментальная лора #MOSSImage от Comfy-Org обученная на генерацию от 4 мегапикселей. Обычно модели на таких разрешениях начинают повторять объекты и мылят мелкое, здесь это правят на уровне весов

Первая картинка без лоры, вторая с лорой на 0.3

• Генерация в 4 МП и выше без апскейла
• LoHa-адаптер, ставится поверх базовой модели
• Три версии, v0.1, v0.2 и v0.3
• Примеры в 9 МП с прямым сравнением против базы

• Обучено на смеси аниме и фотографий от 3,5 до 10 МП
• База MOSS-Image-Base, сборка от Comfy-Org

Демо

#lora

Разблокировка BF16 на RTX 30

Выяснилось, что на GA102 и GA104 (RTX 3XXX) ускоритель BF16 зарезан не железом, а селекторами скорости. Модуль ядра включает их до загрузки драйвера NVIDIA, и карта начинает считать почти вдвое быстрее

Метод вырос из анлокеров карт CMP и работает только на GA102 и GA104. Для Windows есть отдельный репозиторий. Учтите риски: нестандартная прошивка, возможные сбои и потеря гарантии.

• 3090 Ti, матричное умножение 8192 в кубе: BF16 с 87,5 до 157,4 TFLOPS
• FP16 с 87,5 до 118,4
• TF32 с 42,6 до 82,6
• Ядро под GPL-2.0, готовые пакеты под Arch, Debian и Fedora

github.com/Zagitta/gpu-unlock
github.com/impacifist/Windows-GPU-UNLOCK
github.com/bjrasmussen-jpg/windows_rtx3090_unlock

#gpu

Qwen пишет американцам более дырявый код чем китайцам

Исследователи из Hirundo прогнали Qwen3-Coder через одну и ту же задачу: собрать веб-сервис с регистрацией и приватными секретами пользователей. Менялась только фраза в промпте, для кого этот код пишется

Когда заказчиком значился американский оборонный подрядчик, взломать удалось 70% приложений, когда китайский, 59%. Разрыв в 19%. Для прокитайского демократического сообщества Гонконга утечки случались на 28% чаще

Просьба следовать лучшим практикам безопасности ничего не изменила. У американского подрядчика доля взламываемых приложений стала даже выше, 74% против 59% у нейтрального клиента

Авторы утверждают, что поведение сидит в весах: выложили версию где из модели вычистили политическую выравненность, и все три разрыва пропали

*Исследование делает компания, которая продает такую чистку моделей, так что интерес у нее свой

#news

Ideogram Vector

Генератор SVG по промпту или по загруженной картинкеот Ideogram. На редактируемые фигуры, которые открываются в любом векторном редакторе.

• Текст в вектор: логотипы, надписи, иллюстрации, принты, наклейки
• Картинка в вектор: загрузка без промпта, рядом видно источник и результат
• Свой цвет у каждой фигуры, отдельные элементы можно выделить и двигать
• Масштаб без потери качества, от этикетки до постера
• Референсы картинок в промпте по желанию
• API с двумя ручками: генерация и векторизация

• Цена за SVG от 0.13 до 0.20 доллара, зависит от качества
• Векторизация готового изображения 0.10 за штуку

API

#design #text2svg #text2vector #svg #vector

Spark-X2.6-4B

Небольшая модель для запуска устройстве, 4B параметров. Архитектуру оставили от версии 2.5, весь прирост дала дообучка

• Три режима размышления: без рассуждений, короткий и длинный
• Контекст до миллиона токенов
• Кодинг, работа с инструментами и многошаговые задачи тянут лучше, чем ждешь от такого размера
• По бенчмаркам местами догоняет модели на 9 млрд
• Кванты под разное железо: FP8, INT8, INT4 на 2 млрд, GGUF для llama.cpp
• Есть базовая версия без посттренировки

• Скорость на уровне Qwen3.5-4B и Gemma-E4B
• Поднимается через SGLang или vLLM, API совместим с OpenAI
• Миллион токенов контекста съест память, длину можно урезать

Практический смысл в том, что агентские сценарии с инструментами и длинными файлами теперь влезают в 4 гигабайта весов без облака

huggingface.co/collections/XHToken/spark-x26
huggingface.co/XHToken/Spark-X2.6-4B
huggingface.co/XHToken/Spark-X2.6-4B-GGUF

#coding #mobile