Aissi новости про нейросети

⚡️ Качаем весь Telegram за один клик — нашли ультимативный загрузчик, который вытаскивает любые файлы даже из чатов и каналов, где скачивание «запрещено».

• Тянет вообще все: картинки, аудио, видео, кружки, документы и даже стикеры;
• Жрет сотни файлов параллельно и не задыхается;
• Сам сортирует загрузки и собирает личное хранилище;
• Можно подключить сразу несколько Telegram-аккаунтов;
• Ставится в один клик и работает локально;
• Без серых схем — правила Telegram не нарушает.

Швейцарский нож для архивирования всего и сразу — используйте на свой страх и риск.

Доступ к супертулзе лежит — тут

ChatGPT

⚡️ Wan-Move-14B-480P - открытая image-to-video модель, превращающая одну картинку в короткое видео (~5 секунд, 480p) с **контролируемым движением объектов**.

Построена на базе Wan I2V, но расширена motion-контролем через latent trajectory guidance — можно задавать траектории движения на уровне точек и объектов.

Код, веса и MoveBench для оценки качества движения доступны публично (Apache-2.0).
🔹 Подходит для генерации анимаций,, визуализации идей и исследований в области controllable video generation.

https://huggingface.co/Ruihang/Wan-Move-14B-480P

👍 Вышла портативная сборка Hunyuan3D

Теперь 3D-модели можно генерить локально на Windows 10/11 — без облаков, подписок и танцев с бубном. Пара кликов, и поехали.

Что умеет:
— делает 3D-модели из картинок и текстовых промптов;
— аккуратные меши + готовые текстуры;
— подходит для прототипов, игр, визуализации и экспериментов.

Приятный бонус — минимальные требования:
🖥 от 3 ГБ VRAM
💾 20–30 ГБ на диске

Установка максимально ленивая: скачал архив → запустил установочный скрипт → готово

Попробовать https://github.com/YanWenKun/Hunyuan3D-2-WinPortable

Уроки геометрии от Apple:

🧪 Генеративный ИИ учится строить молекулы шаг за шагом

NVIDIA представила модель ReaSyn, которая предсказывает пути синтеза молекул - от простых реагентов до целевых соединений.

Как это работает:
- Вместо одной готовой формулы ИИ строит цепочку реакций (chain of reaction)
- Каждый шаг можно проверить и скорректировать
- Усиленное обучение и поиск вариантов помогают находить оптимальные пути

Что это даёт:
✨ Химики получают не только новые молекулы, но и инструкции, как их реально синтезировать
✨ Можно искать аналоги веществ, если прямой синтез невозможен
✨ Ускоряется разработка лекарств, материалов и других инновационных соединений

ИИ теперь помогает не просто придумывать молекулы, а ещё и объясняет, как их создать в лаборатории.

https://developer.nvidia.com/blog/reasoning-through-molecular-synthetic-pathways-with-generative-ai/

@ai_machinelearning_big_data

Недавнее исследование от Bioptic.ai, основанной известным русскоязычным предпринимателем @dobry, рассказывает, как агентные ИИ могут менять правила игры в фарме и биотехе.

Главная задача - конкурентный анализ лекарств. Нужно быстро и точно найти все препараты, которые могут быть конкурентами для конкретного лекарства, понять их механизмы действия, стадии разработки, производителей, а также правильно соотнести данные из множества разрозненных источников: от научных статей и патентов до клинических регистров и пресс-релизов.

Это критически важно для инвестиций, лицензирования, патентов и планирования клинических исследований.

Ребята создали многоагентную систему, которая:

▪️ Парсит текст, таблицы, изображения и скриншоты из инвестиционных документов

▪️ Нормализует данные, объединяет дубли, переводит термины с разных языков

▪️ Собирает параметры для каждого препарата: стадии испытаний, молекулярные механизмы, компанию-разработчика, пути введения и терапевтическую область

▪️ Использует отдельного "агента-судью" для проверки кандидатов и отсеивания ложных конкурентов, что снижает уровень ошибок и "галлюцинаций".

Технически задействованы агенты на Google Gemini-2.5 Pro для извлечения, структурирования и перевода информации, плюс специальный валидационный LLM для финальной проверки.

Система ребят выявила 83% конкурентов, определённых экспертами, что значительно выше, чем у OpenAI Deep Research (65%) и Perplexity Labs (60%).

В кейсе с биотех венчурным фондом время анализа конкурентной среды сократилось с 2,5 дней до 3 часов - ускорение в 20 раз.

Как вы видите, эксперты теперь не теряются в хаосе разрозненных и закрытых данных, а ИИ-агенты помогают быстро и надёжно собрать законченную картину. Это пример того, как связка LLM и агентной архитектуры эффективно решает реальную бизнес-проблему.

Сергей Булаев AI 🤖 - об AI и не только
📱 sbulaev | 📷insta | ✖️twitter

Только что подвели результаты ICPC, финала студенческой олимпиады по программированию. Наши любимые слоны, LRM, тоже участвовали.

Система от OpenAI решила все 12 задач из 12 и заняла абсолютное первое место. Система принимала официальное участие, то есть её решения оценивались так же, как у остальных участников, и лимиты по времени были те же — никаких запусков на кластере на неделю. Задачи были переданы модели в точно таком же виде, в котором студенты получают их в PDF. Система сама выбирала, какие решения отправлять — так как есть ограничение, и нельзя сделать 100500 посылок. Для самой сложной задачи, двенадцатой, которую не решила ни одна другая команда, система достигла успеха на 9ую попытку.

OpenAI говорит, что система работала так: экспериментальная рассуждающая модель общего назначения, которую не тренировали специально на ICPC (скорее всего, та же модель, что выиграла золото на IOI и IMO, чуть дообученная за прошедшее время) и GPT-5 генерировали решения, и первая выбирала результаты. В таком формате GPT-5 сгенерировала правильные решения для 11 задач из 12.

Второе место заняли ребята из СПбГУ — респект, решили 11 из 12 задач! Все остальные команды решили 10 и меньше.

Дальше идёт система от Google DeepMind, которая решила «всего лишь» 10 задач (тоже выдающийся результат), включая самую сложную. Блогпост тут.

📈 no progress so far, only the walls