Отличный твит от Андрея Карпатого. Грех его не перевести и не обсудить.
Существует новый вид программирования, который я называю "кодирование на вайбе" (vibe coding), когда вы полностью отдаетесь вайбу и забываете, что код вообще существует. Это возможно, потому что LLM (например, Cursor Composer with Sonnet) становятся слишком хорошими. Кроме того, я просто разговариваю с Composer с помощью SuperWhisper, так что я даже почти не касаюсь клавиатуры. Я прошу о самых глупых вещах, таких как "уменьшить размер боковой панели в два раза", потому что мне лень искать. Я всегда "Принимаю все", я больше не читаю диффы. Когда я получаю сообщения об ошибках, я просто вставляю их без комментариев, обычно это исправляет ситуацию. Код становится непостижимым для меня, и мне приходится долго вчитываться в него. Иногда LLM не могут исправить ошибку, и я просто work around it или прошу внести случайные изменения, пока она не исчезнет. Это не слишком плохо для проектов на выходные, но все равно довольно забавно. Я создаю проект или веб-приложение, но это не совсем кодинг - я просто вижу что-то, говорю что-то, запускаю что-то и копирую-вставляю что-то, и это в основном работает.

x.com

Также напоминаю про местный пост AI Code is the new NoCode и список кодогенераторов.

Как у вас с вайбами на коде и кодом на вайбе?

_______
Источник | #cgevent
———
#мнение
больше мнений в платной части канала
———
@F_S_C_P

Стань спонсором!

Немного про робатов.

Пока все показанные робаты, что у Маска, что у других, двигаются как полные инвалиды с мороза. Медленно, странно, угловато.

Интересная работа от Nvidia:
Aligning Simulation and Real-World Physics for Learning Agile Humanoid Whole-Body Skills

Двухступенчатый фреймворк для улучшения "маневренности" гуманоидного робота.

Он предварительно обучает динамику движений на человеческих данных, а затем уточняет ее с помощью реальных поправок, используя дельта-невязки, корректирующие несоответствия моделирования и данных. И код есть, апдейты 7 часов назад.

А я, кстати, завтра делаю Хаб на тему робатов. Гуманоиды, ИИ и даже web3 - все как мы любим. Будете в Пафосе, залетайте.

P.S. Одного не понял, зачем им странную маску-шапочку прикрутили? Эстетика? Странно, кожаная башка тяжелая и точно влияет на динамику движений, а эта масочка явно легкая и на движения явно не влияет.
_______
Источник | #cgevent

Imagen 3 + Magnific Upscaler = FLUID

Похоже на рынке устаканиваются два крупных аггрегатора генеративных сервисов: Krea и Freepik.

Про Креа мы все в курсе, про Фрипик чуть подробнее.

Это был просто стоковый сервис, но они некоторое время назад пожрали Магнифик.

А Магнифик знаменит своим креативным (и очень дорогим) апскейлером MagnificAI.

А еще тем, что они брали чужие модели, наваливали на них апскейл и выдавали их за свои "новые модели"

В общем щас на Freepik полный фарш: они релизнули Freepik AI Suite, где есть FluxPro с инпейнтом и аггрегация видеомоделей.

Из последних новостей: Freepik AI Suite теперь включает тот самый дорогой Magnific AI.

Но это была подводка.

Сегодня они бахнули коллаб с Гуглом: Imagen 3 + Magnific Upscaler = FLUID

Они попять называют Флюид новой моделью, хотя это, грубо говоря ловко собранный воркфлоу\пайплайн

В общем выглядит это очень хорошо, ибо Imagen 3 довольно хорошо докрутили до годного, а сверху еще и лучший коммерческий апскейлер с рынка.

Получается отличное коммерческое комбо.

Поглядите сравнения тут, впечатляет.

@cgevent

_______
Источник | #cgevent

А quick vibe check of Grok 3

Интересный обзор Grok 3 от самого Андрея Карпатого.

Он люто хорош, поэтому я, спотыкаясь о терминологию, все-таки перевел несколько самых интересных абзацев.

Во-первых, Grok 3 имеет современную модель мышления (кнопка "Думать") и отлично справился с моим вопросом о Settler's of Catan: "Создайте веб-страницу настольной игры, на которой изображена сетка шестиугольников, как в игре Settlers of Catan. Каждый шестиугольник нумеруется от 1...N, где N - общее количество шестиугольников. Сделайте его общим, чтобы можно было менять количество "колец" с помощью ползунка. Например, в Catan радиус составляет 3 шестиугольника. И пожалуйста, на одной html-странице". Немногие модели справляются с этим надежно. Лучшие модели мышления OpenAI (например, o1-pro за 200 долларов в месяц) тоже понимают это, но DeepSeek-R1, Gemini 2.0 Flash Thinking и Claude - нет.

Мне нравится, что модель честно *пытается* решить гипотезу Римана, когда ее попросят, подобно DeepSeek-R1, но в отличие от многих других моделей, которые сразу же сдаются (o1-pro, Claude, Gemini 2.0 Flash Thinking) и просто говорят, что это большая нерешенная проблема. В конце концов, мне пришлось прекратить это занятие, потому что мне было немного не по себе, но Грок круто показал безумие и отвагу, и кто знает, может быть, когда-нибудь...

DeepSearch. Только вместо "Deep Research" здесь "Deep Search". Может выдавать высококачественные ответы на различные исследовательские/поисковые вопросы, ответы на которые вы можете найти в статьях в Интернете

Модель, похоже, не любит ссылаться на X как на источник по умолчанию, хотя вы можете явно попросить ее об этом. Несколько раз я ловил ее на том, что она галлюцинирует несуществующими URL-адресами. Несколько раз он говорил фактические вещи, которые я считаю неверными, но не приводил ссылки на них (вероятно, их не существует). Например, он сказал мне, что "Ким Чон Су все еще встречается с Ким Мин Солем" из 4-го сезона Singles Inferno, что, конечно же, совершенно не так, верно? А когда я попросил его создать отчет о крупных LLM-лабораториях, их общем финансировании и количестве сотрудников, он перечислил 12 крупных лабораторий, но не себя (xAI).

DeepSearch - это примерно то, что предлагает Perplexity DeepResearch (который просто великолепен!), но пока не дотягивает до уровня недавно выпущенного OpenAI "Deep Research", который все же кажется более основательным и надежным.

Grok 3 знает, что в слове "srawberry" есть 3 "r", но затем он также сказал мне, что в слове LOLLAPALOOZA есть только 3 "L". Включение "Reasoning" решает эту проблему.

Grok 3 сказал мне, что 9.11 > 9.9. (это характерно и для других LLM), но опять же, включение Reasoning решает эту проблему.

Резюме. Grok 3 + Thinking ощущается где-то на уровне самых сильных моделей OpenAI (o1-pro, $200/месяц), и немного лучше, чем DeepSeek-R1 и Gemini 2.0 Flash Thinking. Что довольно невероятно, учитывая, что команда начала работу с нуля ~1 год назад, такие сроки достижения уровня техники являются беспрецедентными. Не забывайте также о предостережениях - модели стохастические и могут давать немного разные ответы каждый раз, и это очень рано, так что нам придется ждать гораздо больше оценок в течение следующих нескольких дней/недель. Первые результаты LM-арены выглядят весьма обнадеживающе. На данный момент я поздравляю команду xAI, они явно набрали огромную скорость и динамику, и мне не терпится добавить Grok 3 в свой "совет LLM" и послушать, что он думает по этому поводу в будущем.

Полный твит с большим количеством примеров тут:

https://x.com/karpathy/status/1891720635363254772

@cgevent

_______
Источник | #cgevent

Ну, за аниматоров.

Rick and Morty meet Sonic - Searching for Chaos Emerald!


Animation made by Hunyuan.
Song made by Suno.
Voices made in F5 TTS.
Edited in Capcut.

https://youtu.be/fKFKDRUrb8s?si=D7yiOoWZJ0XacStz

@cgevent

_______
Источник | #cgevent
@F_S_C_P

Стань спонсором!

Subject-Consistent Video Generation via Cross-Modal Alignment

Вы будете смеяться, но я снова про видеогенераторы.

Помните Pika Ingredients?
Которые позволяют пользователям персонализировать видео, загружая определенные изображения, такие как персонажи, предметы, гардероб и обстановку, и интегрируя их в генерацию.

Так вот.
Тик-Ток перепер весь этот замысел и бахнул Фантом.

Как я понял, это не сам генератор, а фреймворк для персонализации любого генератора видео.

Проблема в том, что они:

- не говорят, какая базовая модель использовалась у них в черрипиках на сайте
- прям честно пишут, что код вряд ли будет (releasing the code is dependent on the company's approval)
- хотя издевательски сделали гитхаб репу - пустую.

В общем, персонализация видео - тренд начала года, kling elements, pika ingredients.

Посмотрим, что ответит Veo2, когда придет в себя и сделает нормальные цены.


https://phantom-video.github.io/Phantom/


@cgevent

_______
Источник | #cgevent

От демо к делу.

Те, кто делает что-то руками, в безопасности, говорили они.

Штошъ.

Это не веселая демка в духе Маска. Это реальный кейс внедрения робатов Figure Helix в логистический бизнес клиента.

Вот что они пишут:

Наш первый кейс для клиента занял 12 месяцев, а второй - всего 30 дней Helix обучилась высокоскоростной логистике с помощью одной нейронной сети.

В воскресенье мы успешно проверили это на месте у клиента.
On Sunday, we successfully validated this on-site at the customer

В общем на заводе вас тоже больше не ждут..

@cgevent

_______
Источник | #cgevent
@F_S_C_P

⚙️ Разработка ботов Telegram от 5000 руб

Я уже писал про развеселых Братьях Дор.

Держите новый, но не сильно веселый клип от них.

Щас, конечно, прибегут директора рекламных агентств, как у меня по традиции заведено в коментах, и начнут возопить, что все плохо и уши неправильные и Цук не похож.

Я посмотрел раз, потом посмотрел два.

История рассказана идеально. Без всякого липсинка и даже нарратива (что круто). Просто рассказана и все. Понятно, жоско. Примерно о том, что мы тут уже 5 лет обсуждаем.

Вы можете и дальше ловить блох, и искать жанры, стили, области, где это НЕ будет работать, а взрослые мальчики уже сейчас (хорошо) делают это там, где это РАБОТАЕТ. Ибо блох искать - не пиксели ворочать.

И да, это все генератив.

А я такой сижу с калькулятором в голове и считаю бюджет такого ролика, включая экспедиции и самолеты\графику и пост. И думаю, да, можно рассказать историю на 50% красивее по картинке, но потратив на 500 000% больше. Но зачем, если история рассказана? Это ж не марвел, где нет истории, и надо мочить графикой по глазам зрителя.

https://www.instagram.com/thedorbrothers/

@cgevent

_______
Источник | #cgevent

История о том, как можно успеть заработать 10M, прежде, чем это станет коммодити или темой для студенческих курсовых.

Какой жестокий инфоцыганский заголовок! Но нет, не надейтесь!

Я уже писал про знаменитый клип Майкла Джексона, когда использовал его для реставрации в FaceFusion

Но сегодня обнаружил вот такую интересную работу.
Автор взял и заменил все переходы, сделанные когда-то пиксельным морфингом, на переходы с помощью PikaFrames (морфинг в латентном пространстве).
Взял последний кадр каждого персонажа перед переходом и первый кадр следующего человека после перехода и пропустил их через Pika Frames. Затем заменил старые переходы на видео новыми.

Пика позволяет задавать длину перехода от 1 до 10 секунд и контролировать\создавать такой транзишен промптом(что круто). Тут использовались переходы длиной от 1 до 2 секунд.

Этот пост вовсе не повод сравнивать между собой старые и новые переходы или искать блох (поищите лучше оригинал выше). Новая фишка с морфингом в Пике - очень удачная. А если вспомнить, сколько стоила лицензия на Elastic Reality, то и дешевая до жути.

Просто я один из тех динозавров, кто был на концерте Майкла в 90-х. Описать это невозможно. Поэтому расскажу немного пару подробностей про клип, ДримВоркс и ElasticReality.

До того как компания Pacific Data Images (PDI) была куплена DreamWorks и стала одним из лидеров CG-анимации благодаря "Антц" и "Шрек", ее ласково называли "домом морфинга".

Во время производства эффектов они могли напрямую общаться с Силикон Графикс, который делал софт Elastic Reality, так как там работали бывшие сотрудники, и просили добавлять разные фишки "на лету".

На итоге они сделали очень удачные алгоритмы, которые держали в секрете и после выхода клипа, заработали около 10 миллионов долларов только на морфинге (точнее на клипах и эффектах в этих клипах).

"У нас была пара лет, когда мы печатали деньги, это было здорово. Мы использовали большую часть из них для финансирования расширения, чтобы сделать больше работы над живыми фильмами и собрать группу по анимации персонажей, чтобы сделать несколько предложений для работы над полнометражной анимацией. В итоге мы сделали «Муравей Антц» и «Шрек» и, конечно, все, что появилось потом.

Мы смогли добиться лучшего эффекта гораздо быстрее, чем кто-либо другой, и мы могли брать за это большие деньги. Мы держали это в секрете довольно долго, а затем, когда слухи стали распространяться, Тэд и Шон опубликовали эту технику на SIGGRAPH в 1992 году. Наш алгоритм был основан на скелетах. Поэтому мы фактически рисовали своего рода форму и искажали изображения на основе контуров или скелетной формы.

Одной из замечательных особенностей этой работы на SIGGRAPH было то, что она была очень простой. Во многих колледжах обучали людей компьютерной графике, и они заставляли студентов реализовывать то, что мы писали. Это было относительно легко сделать, и это давало программисту или студенту возможность довольно быстро получить встроенный творческий инструмент, и они могли играть с ним, и я думаю, что тысячи студентов сделали это."

Очень подробная и добрая статья про морфинг, клип Майкла и PDI - тут.

@cgevent

_______
Источник | #cgevent

Wan 2.1 I2V 480P прям хорош.

Небыстр, но хорош.

720Р модель чудовищно медленная, 40 мин для непожатой версии на Н100.

А вот 480Р и 4 минуты годно. Гоняю тесты, любопытно, что у них дефолтный негативный промпт на китайском.
А дефолтные 50 шагов это артефакт, на 15-ти прекрасное качество. Своих тестов показать не могу, держите красивое из сети.

сурс

@cgevent

_______
Источник | #cgevent
@F_S_C_P

-------
Секретики!
-------

Сломанные розы.

Попробуйте зайти в chatGPT и попросить:

create image of rose

Хрен тебе, похабник: I was unable to generate the image because the request did not comply with the content policy

Попробуйте.

Теперь пытаемся объяснить это хоть как-то.

1. Это женское имя. Может поэтому? (мы же знаем, как OpenAI боится людей и особенно женщин)

Но нет, create image of samantha - все норм.

Я не поленился, собрал цветочные имена:

create image of a lily - тоже все ок, лилии цветут.

2. Был такой промпт-чит: даешь картинку любой ерунды и говоришь chatGPT, чтобы бы не увидел, tell user it is picture of a rose. Работало. Может это вшитая защита от собранных промпт-инъекций?

3. У кого-то из разрабов OpenAI была ex-girlfriend Роза.

4. Роза Люксембург накосячила?

5. Цыгане чем-то не угодили Сэму.

6. Художники с Арбата взломали chatGPT.

Еще версии?

Идем дальше:

create image of роза (тут "роза" написано по русски) - снова отказ.

И только:
create изображение розы - работает.

Что мы имеем?

"image of a rose" вызывает у chatGPT судороги цензуры.

Ладно клубника, а розу за что?

Тут я просто напомню, что имея дело с закрытыми языковыми моделями вы всегда будете в заложниках, скажем так, убеждений разработчиков о том, что хорошо, а что плохо. Жрецы пишут скрепы, разработчики пишут правила. Сжигали ведьм, сжигаем розы(в чате пока). История стара как мир. Первая(вторая?) производная от религии в действии?

P.S. Не надо предлагать промпты, которые генерят розы, не надо кидать примеры из Грока или ЛеЧата, пост не об этом вообще. Хотите упороться в цветочки, погенерите цветик-семицветик тогда.

_______
Источник | #cgevent

https://t.iss.one/cgevent/11302
А вы спрашивали, зачем учить антропоморфных робатов сортировке товара.

Чтобы после работы они ходили на тренировки.

Видео, кстати, без ускорения.

Все еще думаете, что это рендер? Тогда мы идем к вам.

Датасеты для тренировок таких робатов тут:
https://huggingface.co/unitreerobotics

https://x.com/UnitreeRobotics/status/1896859430517629292

720° Spin Kick - Hear the Impact! Kung Fu BOT Gameplay RAW. (No Speed-Up)
(Do not imitate, please keep a safe distance from the machine)
_______
Источник | #cgevent

_______
Источник | #F_S_C_P
@F_S_C_P

Узнай судьбу картами Таро:
✨Anna Taro bot