Нейросети для видео
Нейросети для видео генерируют ролики по тексту и картинке: Sora от OpenAI, Veo от Google, Runway, Kling, Seedance и другие модели создают всё более реалистичное видео из пары предложений. Это меняет рекламу, кино и споры об авторстве и дипфейках. Здесь — все наши материалы про генерацию видео: релизы моделей, качество, цены и индустриальные сдвиги.
DirCast сам режиссирует и комментирует киберспорт, обойдя GPT-5
Одна потоковая видео-языковая модель выбирает камеру и говорит за кастера в реальном времени. В сравнениях с GPT-4o комментарии DirCast выигрывают в 29,2% случаев.
Обзор Shengqiong Wu и Hao Fei: 600+ работ о видеомоделях как моделях мира
Команда с участием Shuicheng Yan, Ming-Hsuan Yang и Philip Torr свела понимание и генерацию видео в одну рамку и разобрала более 600 работ в 19 таблицах.
NVIDIA открыла Flora: разметка данных для роботов в 125 раз дешевле GPT-6 Astra
NVIDIA выложила в открытый доступ Flora, движок разметки для GR00T. Он размечает 200 000 часов данных в сутки на 512 GB300 и стоит примерно в 125 раз меньше GPT-6…
DONIC научил одну политику управлять двумя руками: 86,79% успеха без дообучения
NUS научил модель искать то, что она описала: gIoU вырос с 57,5% до 68,2%
Пекинский университет ускорил загрузку видео для ИИ в 1,45 раза
CausalAlign лечит «забывчивость» видеомоделей: ошибки геометрии ниже на 20%
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.
DuoLM ускоряет LLM-рекомендации в 60 раз: 26 400 оценок в секунду на одном H100
Исследователи разделили рекомендательную LLM на энкодер и ранкер, закэшировали описания товаров и получили 26 400 оценок кандидатов в секунду на одном H100 при…
Файловый автопилот Claude Cowork: три примера на часы экономии
Black Forest Labs: штат из 70 человек бросает вызов гигантам Кремниевой долины
OpenAI показала новый ChatGPT Voice на модели GPT Live без технических деталей
EgoX собирает камеру, руки и объекты в одну 3D-сцену и на 65,6% точнее по рукам
Четыре китайских игрока строят интерактивные видео-миры в реальном времени
Alibaba HappyOyster, Ant LingBot, Vidu S2 и PixVerse R2 вывели интерактивные видео-миры в центр китайского ИИ-рынка: модель реагирует на действия пользователя прямо…
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.