AI-новинки: TTS, игры, роботы и квантовый прорыв

Что в ролике
Если вам нужно понять, что из свежих AI-релизов можно запустить самому, этот еженедельный разбор перечисляет всё с цифрами и ссылками на код. Среди генеративных моделей выделяются Drama 3 от Fish Audio — open-source text-to-speech с управлением эмоциями через метатеги, модель 35B с 3B активных параметров, работающая на 8 ГБ VRAM, и Matrix Game 4, которая держит игровую механику стабильной и выдаёт 83 кадра в секунду на одной видеокарте. Для картинок и видео появились Crea 3 с точным редактированием и шестью референсами, Flux 3 Image Client с 4K и настолько плохой анатомией, что автор его не советует, а также Moss Image — модель 5B, которая умеет тексты, комиксы и инфографику и лицензирована по Apache 2. Google выпустила Gemini 4 Argon с выводом до 1 миллиона токенов; он умеет проектировать ферменты и помогать роботу повторять движения человека, но доступен только на платных планах. Квантовый результат Google — метод magic state cultivation на процессоре Willow снижает ошибки примерно в 40 раз и достигает точности 99,99%, хотя это пока не масштабный квантовый компьютер. Meta показала Muse Wonder и открытый Muse Spark Open: первый быстрый и мало галлюцинирует, но стоит около 450 долларов за задачу, второй требует указать имя, дату рождения и организацию и уступает GLM 5,3 и MIMO 2,6. Из открытых моделей вышли Step 5 Preview на 600B параметров, Neotron SuperVL 3,5 со скоростью больше 600 токенов в секунду и LFM 2,5 на 24B, а также робот RP1 с открытыми чертежами и система двух роботов для парного пинг-понга. Под конец обзора автор напоминает о своём бесплатном еженедельном письме, а сам ролик спонсирован платформой Luma.
Практика
- Что получишь
- Список открытых моделей и ссылок на репозитории с инструкциями, чтобы понять, какие инструменты стоит запустить на своём железе, а какие — пропустить.
- Первый шаг
- Выберите одну открытую модель из выпуска, например Drama 3 или Matrix Game 4, и найдите её страницу на Hugging Face или GitHub по ссылке в описании ролика.
- Цифры
- —1 000 000 токенов — максимальный объём вывода Gemini 4 Argon
- —83 кадра в секунду — скорость генерации Matrix Game 4 на одной видеокарте при 480p
- —99,99% — точность квантовых magic states после метода Google
- —450 долларов — стоимость одной задачи Muse Wonder по оценке Artificial Analysis
- Честно
- Ролик спонсирован платформой Luma, и в конце автор продвигает свою бесплатную рассылку; большую часть ссылок и инструкций он оставляет в описании, поэтому без перехода по ним повторять сложно. Gemini 4 Argon доступен только на платных планах Google, а Muse Wonder — подписчикам Muse Code, причём через API отдаётся лишь менее умная версия; для Muse Spark Open нужно заполнить анкету с именем, датой рождения и организацией.
Если слова незнакомы — 5 терминов
- text-to-speechпреобразование текста в речь
- VRAMвидеопамять, которую модель использует для запуска на видеокарте
- токенединица текста, которую модель обрабатывает или выдаёт
- галлюцинируетправдоподобно выдумывает факты вместо честного ответа
- magic state cultivationквантовый метод, который итеративно очищает специальные состояния от ошибок
Компоненты
25 шт.Формат: подборка · для практикующих · уверенность разметки 0.9 · источник