ai_digest

Wan Streamer обновился до 0.2

Версия v0.2 выходит за рамки крупных планов с говорящими лицами и предлагает более насыщенные и привязанные к сцене диалоги в среднем плане: мимика, взгляд, жесты рук и контекст сцены остаются четко различимыми во время разговора в режиме реального времени.

Прокачали немного разрешение и качество. 640×368, 25 FPS.

Писал про него тут:
https://t.me/cgevent/15997
Это экспериментальная модель Alibaba Wan Team для РЕАЛТАМОВОГО общения с AI-аватаром: она одновременно “видит”, “слышит”, “думает”, говорит и генерирует видео в режиме стрима.

Ответочка Runway Characters

https://wan-streamer.com/v0.2/
https://tongyilab.substack.com/p/wan-streamer-a-native-streaming-model

Про код - ни слова.

Диалоги смешные, особенно с псиной.

Можно в зум теперь являться барбосом.

@cgevent

Seedream 5.0 PRO

Если вы поиподустали от глюков Бананы в последнее время, держите новую игрушку.

Сидримский 5.0 Про - упор на инструменты редактирования:

Пользователь может указать нужную область точкой, рамкой, лассо, цветной пометкой или простым наброском. После этого модель способна добавить или удалить объект, изменить его цвет по HEX-коду, заменить материал или превратить грубый скетч в готовый дизайн.

Но о чем мало пишут - это слои! Причем в PNG и с прозрачностью.

"разделение готового изображения более чем на десять независимых слоёв - отдельно текст, фон, персонажи и декоративные элементы, включая восстановление ранее перекрытых участков фона"

Также много слов про инфографику и текст (14 языков, мелькает русский).

И странно, что максимально нативно только 2К.

Есть по АПИ как на самих byteplus, так уже и на всех аггрегаторах.
https://docs.byteplus.com/en/docs/ModelArk/1541523

Есть на магнифике, фал, вейвспид, Хиггс, далее везде.

По цене, если я правильно оценил - вполовину Бананы, но проверьте сами.

https://seed.bytedance.com/en/seedream5_0_pro

Техблог:
https://seed.bytedance.com/en/blog/beyond-generation-it-understands-design-introducing-seedream-5-0-pro

@cgevent

Вы будете смеяться, но у нас новый генератор картинок и новый генератор видео.

Метачка представила Muse Image и Muse Video – генераторы с рассуждением, поиском и нативным звуком

Это первые модели генерации, созданные подразделением Meta Superintelligence Labs. Главная ставка сделана не только на качество картинки, но и на «агентный» подход: перед генерацией система может обдумать запрос, обратиться к интернету, написать и выполнить код, найти визуальные референсы, а затем самостоятельно исправить результат.

Сразу про доступ:

Muse Image уже доступна в приложении и на сайте Meta AI, в Instagram Stories в США и в WhatsApp в ограниченном числе стран. Позже модель появится в Facebook, Messenger и рекламной системе Advantage+ Creative.

Сколько стоит генерация (непонятно совсем):

Базовая генерация Muse Image в Meta AI заявлена как бесплатная для повседневного использования. После достижения бесплатных лимитов Метачка предлагает переходить на платные планы Meta One.

* Meta One Plus – $7,99 в месяц;
* Meta One Premium – $19,99 в месяц.

Premium предоставляет больше вычислительной мощности, более высокие лимиты на сложные запросы и расширенные возможности генерации изображений и видео.

При этом Метачка не опубликовала количество кредитов в каждом тарифе и не сообщила стоимость одной генерации в кредитах. Неизвестно, одинаково ли списываются кредиты за создание картинки, редактирование, использование нескольких референсов и дополнительные циклы самокоррекции. Цена на Muse Video также не раскрыта.

Теперь для гиков.

В отличие от обычной схемы «промпт – изображение», Muse Image работает совместно с мультимодальной моделью Muse Spark. Spark анализирует запрос и составляет план, а Muse Image занимается визуальной частью. Обе модели могут совместно использовать инструменты и распределять между собой этапы выполнения задачи.

Muse Image получила два интересных инструмента:

Поиск в интернете. Модель может искать свежую информацию и визуальные референсы. Это должно уменьшить количество ошибок при генерации реальных мест, актуальных событий, известных объектов и информационной графики.

Исполнение кода. Во время обучения с подкреплением модель научили писать и запускать код для построения графиков, схем и работающих QR-кодов. Полученный программным способом результат затем используется как условие для финальной генерации. В связке с Muse Spark система также способна создавать анимированные GIF, страницы с изображениями и простые интерактивные игры.

Второе важное отличие – самокоррекция. После первой генерации Muse Image может проанализировать картинку, локально исправить неправильную деталь, полностью пересобрать изображение или сменить подход и подключить дополнительные инструменты. Метачка утверждает, что такое поведение не прописывали вручную: оно сформировалось во время RL-обучения, потому что самостоятельные исправления повышали итоговую оценку модели.


Редактирование и работа с рефами
Muse Image поддерживает генерацию по тексту, редактирование и многократные последовательные правки в одном диалоге. Пользователь может обвести или зарисовать область на фотографии и текстом объяснить, что нужно удалить, заменить или дорисовать.

Модель также умеет пользовать рефы. В Meta AI разрешено упоминать аккаунты инсты через @username – тогда система получает возможность использовать публичные фотографии соответствующего профиля для генерации.

Параметры модели

Нет НИЧЕГО. Ни разрешений ни длительностей.

Muse Video пока не запущена публично.

По бенчами Muse Image занимала второе место в рейтингах Arena сразу по трём категориям:

* генерация изображения по тексту;
* редактирование одной картинки;
* редактирование с несколькими изображениями.

Muse Video находилась на третьем месте в Arena среди моделей text-to-video.

Мое диванное мнение такое: Метачка отчаянно тормозит на рынке генераторов контента, но пытается очень плотно встроить их во все свои продукты, чтобы пользователи не ходили налево.

@cgevent

Figma: выпустили инструмент Motion для создания моушн-дизайна.

На таймлайне с кейфреймами можно управлять созданием видео. Есть AI-агент, которому можно поручить как работу с рутинными повторяющимися задачами, так и для сторителлинга в целом. Анимации можно экспортировать в том числе и в виде кода. Также есть поддержка MCP для соединения Figma с внешними агентами вроде Hermes.

Есть видеогайд по инструменту от самих Figma.

Сайт

Имейте в Vidu S1

Виду, про которых все приподзабыли, выкатили ответочку Runway Characters.

Генерация видео в РЕАЛЬНОМ ВРЕМЕНИ в 540P и 25 FPS.

Аватары, липсинк, двухстороннее общение в реалтайме и все дела - у них даже страница есть на русском:
https://www.vidu.com/ru/vidu-stream

Но.

"После входа и верификации аккаунта вы можете загрузить своё фото, выбрать голос или записать свой и создать персонального цифрового человека для общения."

Есть API и даже промокод VIDUS1

@cgevent

А тем временем OpenAI приподубил еще сотенку стартапов.

Новый апдейт chatGPT может подключаться к вашим банковским счетам, карточкам, инвестиционным вкладам и давать вам дашборд для управления своими финансами. Также как делают все эти многочисленные приложения для аналитики личных расходов и финансов.

Используя GPT-5.5, ChatGPT анализирует ваши реальные транзакции, чтобы:
→ Отслеживать ежедневные расходы и регулярные платежи
→ Составлять планы достижения основных целей по экономии
→ Сокращать ежемесячные расходы без использования банальных советов

Утверждается, что chatGPT не имеет контроля над счетами и не сможет тратить ваши деньги. Только наблюдать, как бездумно тратите их вы сами.

Пока раскатывают на тариф Pro и только в US.

https://openai.com/index/personal-finance-chatgpt/

@cgevent

Qwen 3.7-Max превосходит Opus 4.7 и GPT-5.5
(в независимом тесте)

Какие-то ребята протестировали три модели на задаче с агентами: написать бота для игры в Tetris, который будет играть в игру и обучаться самостоятельно.

Каждая модель могла читать свой собственный код, запускать тесты производительности и переписывать себя в течение 10 итераций. Затем сравнили финальные боты напрямую.

🇭🇰 Qwen 3.7-Max: стоимость обучения 1,32 доллара, улучшение бота +56%.
💬 Claude Opus 4.7: стоимость обучения 12,15 доллара, улучшение бота +28%.
👨‍💻 GPT-5.5: стоимость обучения 2,85 доллара, улучшение бота +7%.

Qwen выиграл по всем параметрам.