Neural Shit

просто оставлю это здесь взял отсюда

Алибабищенко бахнул Qwen-Image 2.1 и выложил веса. Это единая модель для генерации и редактирования изображений. Визуальная часть содержит 7B параметров и 32 Single-Stream DiT-блока. Сносно. Ништяки: - native 2K - базовое разрешение 2048x2048, поддерживаются в том числе 2752x1536 и 1536x2752; - text-to-image и image editing в одной модели; - до 10 референсных изображений одновременно; - локальное редактирование можно задавать каракулями, нарисованными пометками или отдельными масками; - улучшено сохранение идентичности людей и объектов при редактировании; - улучшены типографика, портретное освещение, текстуры и мелкие детали; - рекомендуемый стандартный режим - 40 inference steps. Одна из самых интересных фишек - нативный RGBA и прозрачность. Модель умеет сразу генерировать объект с alpha-каналом(!), редактировать прозрачные изображения(хм) и даже типа взять обычную RGB-фотографию и извлечь из неё нужный объект в отдельный прозрачный RGBA-слой (верим? тестируем?). Веса уже доступны на Hugging Face. Comfy Org также выложила набор весов Qwen-Image 2.1 для ComfyUI, а сама Comfy ещё до релиза заявляла нульдэй саппорт. Лицензия - говно. Ресерч. На рыддите, кто-то рыдает от восторга, особенно от эдит и консистентности, а кто-то ноет про кожу и мыло. Кожаным не угодишь. Жду тестов в коментах Шопопамяти: Хорошая новость: 24-32 GB VRAM для неё, похоже, вообще не обязательны. На Reddit уже пишут, что модель должна нормально жить даже на RTX 3060 при квантизации. Сама 7B-модель в INT8 около 7 GB + text encoder Qwen3-VL в W4A8 около 6 GB. То есть суммарно порядка 13 GB весов, причём ComfyUI умеет выгружать части в RAM, поэтому 12 GB VRAM выглядит вполне нарядным вариантом. Для нищебродов: 8 GB VRAM - скорее всего заведётся с агрессивной квантизацией/offload, но пока нет нормальных подтверждённых тестов именно Qwen-Image 2.1. 12 GB VRAM - выглядит как реальный рабочий минимум для квантованной версии в ComfyUI. Для помещиков: 16 GB VRAM - сейчас выглядит как очень нормальный вариант. На Reddit владельцы 5060 Ti 16 GB уже радуюццо релизу именно в этом контексте. 24 GB VRAM - должно быть уже совсем комфортно для квантованной модели и, вероятно, позволит меньше гонять данные CPU<->GPU. Для Баяр: 32 GB - может влезут и не кванты.. Почему такая разница с прежним Qwen Image: старая модель была огромной - около 20B параметров только генеративной части, а Qwen-Image 2.1 теперь жалкие 7B. Ссылки: Официальная страница Qwen: qwen.ai/blog?id=qwen-image-2.1 Веса Qwen-Image 2.1: huggingface.co/Qwen/Qwen-Image-2.1 Версия для ComfyUI: huggingface.co/Comfy-Org/Qwen-Image-2.1 @cgevent

AGI

Наткнулся на прикольдую демку, где можно посмотреть, как выглядел бы мир, если бы скорость света была 5 км/ч максимум: https://rivendell.dmitrybrant.com/relativity/ Смотреть лучше с компьютера

Это нам всем за то, что усердно молились

Typesafe: pnewed 💨 Jev: liberated 🫡 Я обучил MLP поверх qwen 4b и оно работает буквально как та хайповая модель из твитера https://huggingface.co/AlexWortega/openjev X репостите в тви пж

покрал видео отсюда и накинул русских сабов. Иногда криво — это потому что сабы делал и монтировал кодекс (если бы переводил и монтировал я — было бы ещё кривее)

Мне нравится, что он 3 источника как минимум приложил

Главная проблема классического поиска сейчас — это чудовищный информационный шум. Если вбить туда комплексный рабочий запрос с кучей ограничений, поисковик просто выплюнет список общих статей ни о чём. Решил затестить это в Алисе AI. Суть проста: вместо классической выдачи поисковика со ссылками, нейросеть сама за секунду обходит рунет, выкачивает суть из десятков релевантных источников и собирает готовый ответ в виде структурированного гайда, таблиц и карточек прямо на экране. Никаких переходов по ссылкам. Решил проверить на наболевшем: как поднять нормальную локальную нейронку без покупки дата-центра. Задал задачу: подбери открытую модель (на 7B–14B параметров) для локального кодинга и анализа документов. Вводные: у меня одна домашняя карточка на 12 ГБ VRAM, 32 ГБ оперативы, система на Linux. Требование — расписать оптимальный стек (какой квант брать — Q4_K_M или Q8, через что крутить: Ollama, vLLM или llama.cpp), сравнить скорость генерации (токены в секунду) и подсветить, как не словить Out of Memory при длинном контексте. В итоге получил готовую выжимку: сравнительную таблицу моделей под мой объём видеопамяти, готовые команды для терминала под сетап и краткий список граблей с контекстным окном. Никаких блужданий по 50 веткам на Reddit и закрытым GitHub-issues. Всё собрано в одном месте.

Если вам тоже нечем заняться этой ночью и вы тоже дегенерат беспросветный, то можно написать пару классических и всем известных слов. А потом послушать, как звучит истинное искусство. Кстати, теперь я начал понимать как все производители смартфонов придумывают мелодии для будильников и звонков понажимать