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.
Easy-3Dfy собирает 3D-сцену из одного фото и обходит SAM-3Dfy
Команда Ziang Zhang разделила генерацию объектов и расчёт раскладки сцены. Easy-3Dfy обошёл SAM-3Dfy по геометрическим метрикам на Scene-Maker и 3D-FUTURE200.
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.
Kunlun Wanwei запустила Matrix-Game 4.0: видеомодель играет в 480p при 60 FPS на одной GPU
3D-генерация сцен: DiT работает в 3D-латенте и кодирует сцену в 1K токенов
Аудит POPE: выбор токенов «yes/no» сдвигает F1 LLaVA-1.5 на 6,13 пункта
FilmFlow: четыре агента строят траектории камеры в 3D по тексту и видео
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%.
AgentVQA проверил 22 VLM на агентных задачах: лучшая набрала лишь 58,5%
Новый офлайн-бенчмарк AgentVQA из 1000 примеров в пяти доменах показал: лучшая из 22 vision-language моделей отвечает верно лишь в 58,5% случаев, а главная проблема…
Claude доказал безопасность 123 библиотек на уровне RISC-V-кода
WeChat открыл WeVisOne-VL: детекция, маски и матирование в одной VLM
DirCast сам режиссирует и комментирует киберспорт, обойдя GPT-5
HiSTEVE 1.0 играет в Minecraft мышью и клавиатурой: 85,0% на MineStudio Bench
RealMe собирает объёмное видео 2K из минимума камер через диффузию
Фреймворк RealMe превращает разреженные съёмки низкого разрешения в 4D-согласованное объёмное видео 2K с помощью видео-диффузионной модели и частотного лосса в…
SpatialBrain учит замороженную VLM копить опыт: плюс на 4 из 5 бенчмарков
SpatialBrain оставляет веса VLM замороженными и добавляет 3D-память, библиотеку навыков и накопленный опыт. Итог: лучше прямых ответов на четырёх из пяти…