Оказывается, муравьи умеют отлично маневрировать. И теперь вы знаете, как это выглядит

r/#nextfuckinglevel

Ai video composer
теперь и с deepseekv3
Demo

тем временем в pika кто-то сделал модный показ для мемов

src

С новым годом, дорогие читатели моих saved messages!
Выпьем же за то, благодаря чему мы несмотря ни на что!

Сбычи мечт, творческих узбеков, всратых мемов!

С Новым Годом, друзья!🎄

АйЛетов - Звенит январская вьюга (AI Cover)

https://youtu.be/0Ho2y_139RM

#айгитарист #нейрокавер #aicover

oчень хорошо, но конечно не заменит маэстро

https://www.youtube.com/watch?v=beTuZ0mlkn4

а пик был тут если что (уберите себя от экрана если у вас синдром быстрого отвала п*)

Прикручивание LLM-систем к классическим способам моделирования, например CAD-системам проектирования.

Я тоже поначалу подумал, как же это тупо, неудобно и неэффективно — писать текстом то, что можно сделать руками по классике. Тем более если мы говорим про сложные сопряжения и неравномерные фаски.

Но если в вашей схеме под 500 деталей, и вам нужно вносить изменения в узлы, сдвинув на 0.032 mm отверстия, а потом запустить каждую деталь в симуляцию, чтобы ракета или корабль не отклонялся от курса или детали меньше изнашивались, то текст, как дополнение, будет увеличивать скорость ваших итераций в 10, а в некоторых моментах — в 50 раз. Так, по крайней мере, заявляет разработчик этого решения, Джордан Нун, исполнительный директор Zoo Creates — инфраструктуры для hardware design.

Юмор.

Когда после НГ обнулился салатный кэш и решил потестить GPT на бытовуху.

Сегодня, конечно, день Нвидия.

Они опенсорснули код Cosmos, и это, конечно, космос!

Developer-first world foundation model platform designed to help Physical AI developers build their Physical AI systems better and faster

Долго писать, это опенсорсная World Model.

Выглядит очень круто, го тестировать. Там и video search, и 3Д, и метаверсищще.

Pre-trained Diffusion-based world foundation models for Text2World and Video2World generation where a user can generate visual simulation based on text prompts and video prompts.
Pre-trained Autoregressive-based world foundation models for Video2World generation where a user can generate visual simulation based on video prompts and optional text prompts.
Video tokenizers for tokenizing videos into continuous tokens (latent vectors) and discrete tokens (integers) efficiently and effectively.
Post-training noscripts to post-train the pre-trained world foundation models for various Physical AI setup.
Video curation pipeline for building your own video dataset.

https://github.com/NVIDIA/Cosmos

Ссылки:

https://www.nvidia.com/en-us/ai/cosmos/
https://huggingface.co/nvidia/Cosmos-1.0-Guardrail

@cgevent