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.
Шесть команд из UCSB, Stanford и J.P. Morgan выпустили бенчмарк памяти агентов
WorldMemArena проверяет, как мультимодальные агенты помнят и используют увиденное в реальных взаимодействиях. Работа шести организаций принята на NeurIPS 2026.
Dream Labs из команды NVIDIA DreamZero привлекла $90 млн и открыла API для роботов
Команда DreamZero, ранее работавшая в NVIDIA, вышла из стелса: seed на $90 млн и публичный Dream API, который управляет роботом по текстовой команде.
HyperDrone рендерит миллионы кадров в секунду и обгоняет аналоги в 20 раз
Новый симулятор квадрокоптеров HyperDrone с трассировкой лучей на GPU работает более чем в 20 раз быстрее аналогов и переносит политику из симуляции на реальный…
ActionRoPE превращает действия игрока в координаты и режет дрейф сцены на 66%
SpatialScout: лучший VLM-агент собрал 3D-карту комнаты лишь на 41,71%
Omni-Woodpecker снижает галлюцинации омни-LLM без дообучения: +12,9 на CMM
Четыре китайских игрока строят интерактивные видео-миры в реальном времени
Реверс-инжиниринг дорогих сайтов через ИИ: почему половина «сложного 3D» в вебе собирается за два вечера
Впечатляющие промо-сайты со сложным освещением и объёмной графикой раньше требовали полутора месяцев работы дизайн-студии и отдельного WebGL-разработчика.
Дообучение Gemma 4 с GPU на Cloud Run: от 89% до 94% в классификации животных
Полный разбор дообучения Gemma 4 на собственных данных в Google Cloud. Архитектура с нативной поддержкой видео и аудио, QLoRA квантование и рост точности с 89% до…
Почему мультимодальные модели не видят веб-интерфейсы
Nano Banana 2: Персонализированная генерация изображений в приложении Gemini
Дипфейк-нюды в школах: расследование WIRED выявило 90 учреждений и 600 пострадавших
Moonshot выпустила Kimi K2.5: рой из 100 субагентов и 1500 вызовов инструментов
Два простых изменения почти вдвое повысили корреляцию оценки энкодеров для MLLM
Китайские исследователи предложили два простых улучшения для предварительной оценки визуальных энкодеров мультимодальных LLM: корреляция с итоговым качеством…
Стэнфорд разбирает сетчатку как интерпретируемую нейросеть в курсе EE292R
Стивен Баккус на курсе EE292R показывает, как механистическая интерпретируемость объясняет вычисления в сетчатке: от 100 млн фоторецепторов до 1 млн волокон нерва.