💸 AI, который должен зарабатывать… или обанкротится
Исследователи представили ClawWork - систему, где модель работает в условиях реальной экономики.
Стартовые условия:
- баланс: $10
- каждая генерация = реальные расходы на токены
- никакого безлимита
- не заработал - банкрот
Как это работает:
→ AI получает реальные профессиональные задачи
(финансы, медицина, юриспруденция, аналитика)
→ Сам создаёт полноценные результаты с нуля
→ Качество оценивается GPT-5.2 по профессиональным критериям
→ Оплата рассчитывается по формуле:
качество × оценка часов × средняя зарплата (BLS)
→ Каждый API-запрос уменьшает баланс
Результаты:
- $10K заработано за 7 часов
- 0 участия человека
- 220 задач
- 44 профессии
- лучшие модели - $1500+ в час (эквивалент)
Это уже не просто бенчмарк.
Это экономический тест на выживание.
Модель должна принимать решения:
- быстро выполнять задачи ради кэша
- или тратить ресурсы на обучение, чтобы зарабатывать больше позже
Дополнительно:
AI может работать как живой сотрудник в
Telegram, Slack, Discord и WhatsApp —
и каждое сообщение стоит реальных денег.
Проект полностью open-source (MIT).
Следующий этап оценки AI - не тесты и бенчмарки.
А способность приносить деньги в реальной экономике.
https://github.com/HKUDS/ClawWork
📲 Max
@pythonl
Исследователи представили ClawWork - систему, где модель работает в условиях реальной экономики.
Стартовые условия:
- баланс: $10
- каждая генерация = реальные расходы на токены
- никакого безлимита
- не заработал - банкрот
Как это работает:
→ AI получает реальные профессиональные задачи
(финансы, медицина, юриспруденция, аналитика)
→ Сам создаёт полноценные результаты с нуля
→ Качество оценивается GPT-5.2 по профессиональным критериям
→ Оплата рассчитывается по формуле:
качество × оценка часов × средняя зарплата (BLS)
→ Каждый API-запрос уменьшает баланс
Результаты:
- $10K заработано за 7 часов
- 0 участия человека
- 220 задач
- 44 профессии
- лучшие модели - $1500+ в час (эквивалент)
Это уже не просто бенчмарк.
Это экономический тест на выживание.
Модель должна принимать решения:
- быстро выполнять задачи ради кэша
- или тратить ресурсы на обучение, чтобы зарабатывать больше позже
Дополнительно:
AI может работать как живой сотрудник в
Telegram, Slack, Discord и WhatsApp —
и каждое сообщение стоит реальных денег.
Проект полностью open-source (MIT).
Следующий этап оценки AI - не тесты и бенчмарки.
А способность приносить деньги в реальной экономике.
https://github.com/HKUDS/ClawWork
@pythonl
Please open Telegram to view this post
VIEW IN TELEGRAM
❤14🔥9😁2👍1
This media is not supported in your browser
VIEW IN TELEGRAM
🚀 REAL-TIME СЕРВЕРЫ БЕЗ ЛИШНЕЙ СЛОЖНОСТИ
Если нужно быстро запускать веб-приложения с высокой производительностью и минимальной задержкой - посмотрите на WebRockets.
WebRockets — это лёгкий и быстрый фреймворк для создания веб-приложений и API с акцентом на скорость, простоту и минимальный overhead. Он подойдёт для проектов, где важны real-time взаимодействие и высокая нагрузка.
Когда полезно:
- Real-time приложения (чаты, уведомления, стриминг данных)
- Высоконагруженные API
- Dashboards и live-аналитика
- Backend для игр или trading-систем
- Любые сервисы, где важна низкая задержка
Что умеет:
- Работа через WebSocket для постоянного соединения
- Минимальная задержка и высокая пропускная способность
- Простая настройка и запуск
- Подходит для real-time архитектур
- Лёгкая интеграция в существующие backend-системы
Главная идея:
Обычный HTTP работает по принципу «запрос-ответ».
WebSocket держит постоянное соединение, позволяя серверу отправлять данные мгновенно без новых запросов — это основа современных real-time сервисов.
https://github.com/ploMP4/webrockets
@pythonl
Если нужно быстро запускать веб-приложения с высокой производительностью и минимальной задержкой - посмотрите на WebRockets.
WebRockets — это лёгкий и быстрый фреймворк для создания веб-приложений и API с акцентом на скорость, простоту и минимальный overhead. Он подойдёт для проектов, где важны real-time взаимодействие и высокая нагрузка.
Когда полезно:
- Real-time приложения (чаты, уведомления, стриминг данных)
- Высоконагруженные API
- Dashboards и live-аналитика
- Backend для игр или trading-систем
- Любые сервисы, где важна низкая задержка
Что умеет:
- Работа через WebSocket для постоянного соединения
- Минимальная задержка и высокая пропускная способность
- Простая настройка и запуск
- Подходит для real-time архитектур
- Лёгкая интеграция в существующие backend-системы
Главная идея:
Обычный HTTP работает по принципу «запрос-ответ».
WebSocket держит постоянное соединение, позволяя серверу отправлять данные мгновенно без новых запросов — это основа современных real-time сервисов.
# Клонируем репозиторий
git clone https://github.com/ploMP4/webrockets.git
cd webrockets
# Установка зависимостей (если используется Node.js)
npm install
# Запуск сервера
npm start
# Пример простого WebSocket-сервера
const WebSocket = require("ws");
const wss = new WebSocket.Server({ port: 3000 });
wss.on("connection", (ws) => {
console.log("Client connected");
ws.send("Welcome!");
ws.on("message", (message) => {
console.log("Received:", message.toString());
ws.send(`Echo: ${message}`);
});
});
console.log("WebSocket server running on port 3000");
https://github.com/ploMP4/webrockets
@pythonl
❤10👍4🔥1
Python-баг, который выглядит безобидно… но ломает логику 👇
Ожидание: оба orange удалятся.
Реальность: один orange остаётся.
Почему так происходит?
Ты изменяешь список во время итерации.
После удаления элементы сдвигаются, и цикл пропускает следующий элемент.
Это классический сценарий продакшн-багов:
• код выглядит правильно
• тесты могут пройти
• но данные обрабатываются неправильно
Правильный вариант:
Мораль:
Изменяешь коллекцию во время обхода -Deploy first. Pray later.
#junior #python
@pythonl
fruits = ["apple", "lime", "orange",
"pineapple", "orange"]
for f in fruits:
if f == "orange":
fruits.remove(f)
print(fruits)
Ожидание: оба orange удалятся.
Реальность: один orange остаётся.
Почему так происходит?
Ты изменяешь список во время итерации.
После удаления элементы сдвигаются, и цикл пропускает следующий элемент.
Это классический сценарий продакшн-багов:
• код выглядит правильно
• тесты могут пройти
• но данные обрабатываются неправильно
Правильный вариант:
fruits = [f for f in fruits if f != "orange"]
Мораль:
Изменяешь коллекцию во время обхода -Deploy first. Pray later.
#junior #python
@pythonl
1❤20👍9😁4🔥2
Вышел Scrapling 0.4 - адаптивный Python-фреймворк для парсинга, который работает от одного запроса до полноценных масштабных краулеров.
Главная проблема скрапинга знакома всем:
сайт обновился - селекторы сломались - всё перестало работать.
Scrapling решает это по-умному.
Парсер учится на изменениях страницы и автоматически находит нужные элементы, даже если структура сайта изменилась.
Что внутри:
- обход современных антибот-систем (включая Cloudflare Turnstile) из коробки
- встроенный spider для параллельных многосессионных обходов
- pause/resume для долгих краулов
- автоматическая ротация прокси
- запуск масштабного парсинга в несколько строк Python
Плюс:
- высокая скорость
- статистика в реальном времени
- потоковая обработка данных
Фактически это уровень Scrapy + антибот + адаптивный парсер, но с гораздо более простым стартом.
Инструмент сделан скраперами для скраперов - и подойдёт как для быстрых задач, так и для production-краулеров.
https://github.com/D4Vinci/Scrapling
@pythonl
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
👍16❤9🔥6
Ты научишься делать те, которые живут в проде.
Это не про BeautifulSoup ради галочки.
Это про системы сбора данных, которые:
• не падают от мелких правок на сайте
• собирают данные в разы быстрее
• обновляют всё сами по расписанию
• обходят ограничения и баны
• выглядят как сервис, а не хаос из файлов
Ты начнёшь видеть сайты не как страницы, а как источники данных, к которым можно подключиться.
В итоге ты сможешь:
• забирать данные для своих проектов
• автоматизировать чужую рутину
• делать инструменты для аналитики
• брать коммерческие заказы на сбор данных
Это навык, который напрямую превращается в деньги.
Не “знаю Python”, а умею добывать данные из интернета профессионально.
🎁 48 часов скидка 50% на Stepik: https://stepik.org/a/269942/
Please open Telegram to view this post
VIEW IN TELEGRAM
❤6👍2🔥2
🚀 Погружение в алгоритмы AI без магии
🚀 Основные моменты:
- Один файл — один алгоритм, без внешних зависимостей.
- Полное обучение и предсказание в каждом скрипте.
- Читаемый код с обязательными комментариями для понимания.
- Работает на обычном CPU за разумное время.
📌 GitHub: https://github.com/Mathews-Tom/no-magic
#python
no-magic — это коллекция однофайловых, независимых реализаций алгоритмов, которые лежат в основе современных ИИ. Каждый скрипт является самодостаточной программой, обучающей модель с нуля и выполняющей предсказания, без использования сложных библиотек.🚀 Основные моменты:
- Один файл — один алгоритм, без внешних зависимостей.
- Полное обучение и предсказание в каждом скрипте.
- Читаемый код с обязательными комментариями для понимания.
- Работает на обычном CPU за разумное время.
📌 GitHub: https://github.com/Mathews-Tom/no-magic
#python
❤13👍6🔥3
🎥 Генерация видео с FireRed-OpenStoryline
FireRed-OpenStoryline упрощает создание видео, превращая его в интуитивный процесс общения. Система автоматически генерирует сценарии, подбирает музыку и шрифты, а также позволяет редактировать видео с помощью естественных языковых команд.
🚀 Основные моменты:
- 🌐 Умный поиск и организация медиа
- ✍️ Интеллектуальная генерация сценариев
- 🎵 Рекомендации по музыке и озвучке
- 💬 Редактирование через разговорные команды
- ⚡ Архивирование навыков редактирования
📌 GitHub: https://github.com/FireRedTeam/FireRed-OpenStoryline
@pythonl
FireRed-OpenStoryline упрощает создание видео, превращая его в интуитивный процесс общения. Система автоматически генерирует сценарии, подбирает музыку и шрифты, а также позволяет редактировать видео с помощью естественных языковых команд.
🚀 Основные моменты:
- 🌐 Умный поиск и организация медиа
- ✍️ Интеллектуальная генерация сценариев
- 🎵 Рекомендации по музыке и озвучке
- 💬 Редактирование через разговорные команды
- ⚡ Архивирование навыков редактирования
📌 GitHub: https://github.com/FireRedTeam/FireRed-OpenStoryline
@pythonl
❤9👍1😱1🤩1
Ваш домен может стоить один рубль
Переносите и продлевайте домены в Selectel и платите за это всего по одному рублю. Бонусом получите бесплатный DNS-хостинг и SSL-сертификаты, а еще возможность развернуть полноценную IT-инфраструктуру проекта в одном окне браузера.
Успейте перенести и продлить домены в Selectel по рублю до 30.06 →
Реклама. АО "Селектел". erid:2W5zFJqGwih
Переносите и продлевайте домены в Selectel и платите за это всего по одному рублю. Бонусом получите бесплатный DNS-хостинг и SSL-сертификаты, а еще возможность развернуть полноценную IT-инфраструктуру проекта в одном окне браузера.
Успейте перенести и продлить домены в Selectel по рублю до 30.06 →
Реклама. АО "Селектел". erid:2W5zFJqGwih
❤6👍1😢1
This media is not supported in your browser
VIEW IN TELEGRAM
Сохрани себе: извлечение всех ссылок со страницы с помощью регулярных выражений - это быстро и просто. Вот пример кода, который поможет тебе в этом.
import re
import requests
def extract_links(url):
response = requests.get(url)
html_content = response.text
links = re.findall(r'href=["\']?(https?://[^"\'>]+)', html_content)
return links
url = 'https://example.com'
all_links = extract_links(url)
print(all_links)
Please open Telegram to view this post
VIEW IN TELEGRAM
👍12❤6
В Python 3.14 появилось решение, которое помогает избавиться от SQL-инъекций - t-strings 🔒
Проблема
Когда вы используете f-strings для SQL:
пользовательский ввод напрямую попадает в запрос.
Если злоумышленник передаст:
— база выполнит вредоносную команду.
Это классическая SQL injection.
Почему это неудобно сейчас
Безопасный способ — параметризованные запросы:
Но приходится:
• запускать шаблон отдельно
• передавать значения отдельно
• поддерживать две структуры
Что изменилось в Python 3.14
Появились template string literals (t-strings).
В отличие от f-strings, они:
• не возвращают готовую строку
• возвращают объект Template
• отдельно хранят текст и подставленные значения
Пример:
Теперь можно:
• получить все интерполяции
• проверить значения
• экранировать или валидировать их
• и только потом собрать финальный SQL
Результат:
• вредоносный ввод очищается
• SQL-инъекции блокируются
• таблицы остаются на месте
Почему это важно
f-strings - быстрые, но опасные для SQL.
t-strings позволяют сохранить удобство шаблонов и добавить контроль безопасности.
Python движется к безопасным шаблонам по умолчанию, меньше ручной защиты, меньше уязвимостей в продакшене.
📲 Max
@pythonl
Проблема
Когда вы используете f-strings для SQL:
query = f"SELECT * FROM users WHERE name = '{user_input}'"
пользовательский ввод напрямую попадает в запрос.
Если злоумышленник передаст:
admin'; DROP TABLE users; --
— база выполнит вредоносную команду.
Это классическая SQL injection.
Почему это неудобно сейчас
Безопасный способ — параметризованные запросы:
cursor.execute(
"SELECT * FROM users WHERE name = %s",
(user_input,)
)
Но приходится:
• запускать шаблон отдельно
• передавать значения отдельно
• поддерживать две структуры
Что изменилось в Python 3.14
Появились template string literals (t-strings).
В отличие от f-strings, они:
• не возвращают готовую строку
• возвращают объект Template
• отдельно хранят текст и подставленные значения
Пример:
query = t"SELECT * FROM users WHERE name = {user_input}"
Теперь можно:
• получить все интерполяции
• проверить значения
• экранировать или валидировать их
• и только потом собрать финальный SQL
safe = safe_sql(query)
Результат:
• вредоносный ввод очищается
• SQL-инъекции блокируются
• таблицы остаются на месте
Почему это важно
f-strings - быстрые, но опасные для SQL.
t-strings позволяют сохранить удобство шаблонов и добавить контроль безопасности.
Python движется к безопасным шаблонам по умолчанию, меньше ручной защиты, меньше уязвимостей в продакшене.
@pythonl
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥23👍7❤2😢1
This media is not supported in your browser
VIEW IN TELEGRAM
⚡️ Как изучать любой GitHub-репозиторий за 5 минут с DeepWiki
Если ты открываешь чужой репозиторий и не понимаешь, с чего начать - не читай файлы вручную. Спроси код.
DeepWiki автоматически строит AI-wiki для любого проекта и позволяет задавать вопросы прямо к исходникам.
Как использовать:
1. Открой нужный репозиторий на GitHub
2. Замени в адресе:
github.com → deepwiki.com
3. Задай вопросы:
- Как устроена архитектура?
- С чего начинается запуск?
- Где реализована основная логика?
- Как работает конкретная функция?
Почему это работает:
- Документация может быть устаревшей
- README часто поверхностный
- Код — единственный источник истины
DeepWiki анализирует структуру проекта и объясняет её простым языком.
Когда особенно полезно:
- Быстрый онбординг в новый проект
- Подготовка к собеседованию
- Разбор open-source
- Понимание сложных библиотек
- Работа AI-агентов с кодом
Главная мысль:
Не читай сотни файлов — задавай вопросы репозиторию.
Пример
GitHub
https://github.com/karpathy/nanochat
// DeepWiki
https://deepwiki.com/karpathy/nanochat
Примеры вопросов:
- How does training work?
- Where is the main entry point?
- How is inference implemented?
- What are the key modules?
Если ты открываешь чужой репозиторий и не понимаешь, с чего начать - не читай файлы вручную. Спроси код.
DeepWiki автоматически строит AI-wiki для любого проекта и позволяет задавать вопросы прямо к исходникам.
Как использовать:
1. Открой нужный репозиторий на GitHub
2. Замени в адресе:
github.com → deepwiki.com
3. Задай вопросы:
- Как устроена архитектура?
- С чего начинается запуск?
- Где реализована основная логика?
- Как работает конкретная функция?
Почему это работает:
- Документация может быть устаревшей
- README часто поверхностный
- Код — единственный источник истины
DeepWiki анализирует структуру проекта и объясняет её простым языком.
Когда особенно полезно:
- Быстрый онбординг в новый проект
- Подготовка к собеседованию
- Разбор open-source
- Понимание сложных библиотек
- Работа AI-агентов с кодом
Главная мысль:
Не читай сотни файлов — задавай вопросы репозиторию.
Пример
GitHub
https://github.com/karpathy/nanochat
// DeepWiki
https://deepwiki.com/karpathy/nanochat
Примеры вопросов:
- How does training work?
- Where is the main entry point?
- How is inference implemented?
- What are the key modules?
👍16🔥10❤6
MOVA — это открытая модель, которая синхронно генерирует видео и аудио, устраняя проблемы каскадных пайплайнов. Она обеспечивает высокое качество и точную синхронизацию губ и звуковых эффектов, предлагая пользователям мощный инструмент для создания контента.
🚀Основные моменты:
- Бимодальная генерация: видео и аудио создаются одновременно.
- Высокая точность синхронизации губ и звуковых эффектов.
- Полностью открытый исходный код и доступные веса модели.
- Архитектура с асимметричными двойными башнями для лучшего взаимодействия модальностей.
📌 GitHub: https://github.com/OpenMOSS/MOVA
#python
Please open Telegram to view this post
VIEW IN TELEGRAM
❤7👍4🔥4
🌟 Создайте свой пиксельный офис с Star Office UI
Star Office UI — это интерактивная панель для многопользовательского сотрудничества, визуализирующая статус ваших AI помощников в реальном времени. Вы можете видеть, кто чем занят, что было сделано вчера и кто сейчас онлайн.
🚀 Основные моменты:
- Визуализация статусов AI: idle, writing, syncing и др.
- "Вчерашние заметки" для краткого обзора выполненной работы.
- Поддержка приглашения других участников в офис.
- Адаптивный интерфейс для мобильных устройств.
- Гибкие варианты публичного доступа.
📌 GitHub: https://github.com/ringhyacinth/Star-Office-UI
#python
@pythonl
Star Office UI — это интерактивная панель для многопользовательского сотрудничества, визуализирующая статус ваших AI помощников в реальном времени. Вы можете видеть, кто чем занят, что было сделано вчера и кто сейчас онлайн.
🚀 Основные моменты:
- Визуализация статусов AI: idle, writing, syncing и др.
- "Вчерашние заметки" для краткого обзора выполненной работы.
- Поддержка приглашения других участников в офис.
- Адаптивный интерфейс для мобильных устройств.
- Гибкие варианты публичного доступа.
📌 GitHub: https://github.com/ringhyacinth/Star-Office-UI
#python
@pythonl
🔥15❤6👍5😁3
🔧 Инструмент для тестирования безопасности
RaspyJack - это портативный инструмент для авторизованного тестирования безопасности с интерфейсом на LCD, веб-интерфейсом и интегрированной IDE для создания полезных нагрузок. Подходит для исследований и образовательных целей.
🚀 Основные моменты:
- LCD-интерфейс для управления
- Категории полезных нагрузок (разведка, перехват и др.)
- Веб-интерфейс для удаленного управления
- Интеграция инструментов DNS-спуфинга и WiFi-атак
📌 GitHub: https://github.com/7h30th3r0n3/Raspyjack
@pythonl
RaspyJack - это портативный инструмент для авторизованного тестирования безопасности с интерфейсом на LCD, веб-интерфейсом и интегрированной IDE для создания полезных нагрузок. Подходит для исследований и образовательных целей.
🚀 Основные моменты:
- LCD-интерфейс для управления
- Категории полезных нагрузок (разведка, перехват и др.)
- Веб-интерфейс для удаленного управления
- Интеграция инструментов DNS-спуфинга и WiFi-атак
📌 GitHub: https://github.com/7h30th3r0n3/Raspyjack
@pythonl
❤9🤩4👍2
This media is not supported in your browser
VIEW IN TELEGRAM
⚡️ Языки программирования и их for-циклы
Ты когда-нибудь замечал, что почти все языки программирования выглядят по-разному, но внутри делают одно и то же?
Самый простой пример — обычный цикл. В Python он читается почти как английский. В C, Java и Go он выглядит как строгая формула. В Rust и Kotlin больше похож на математическую запись. А в Assembly это вообще набор инструкций для процессора.
Но смысл всегда один и тот же. Мы просто говорим компьютеру: повтори действие N раз.
• 🐍 Python - for i in range(n):
• ☕ Java - for(int i=0;i<n;i++){}
• ⚡ C - for(int i=0;i<n;i++){}
• 🛠️ C++ - for(int i=0;i<n;i++){}
• 🌐 JavaScript - for(let i=0;i<n;i++){}
• 🛠️ C# - for(int i=0;i<n;i++){}
• 🐹 Go - for i:=0;i<n;i++{}
• 🦀 Rust - for i in 0..n {}
• 🐘 PHP - for($i=0;$i<$n;$i++){}
• 💎 Ruby - for i in 0...n do end
• 🐪 Kotlin - for(i in 0 until n){}
• 🍎 Swift - for i in 0..<n {}
• 🔷 TypeScript - for(let i=0;i<n;i++){}
• 🧮 R - for(i in 1:n){}
• 🐚 Bash - for ((i=0;i<n;i++)); do :; done
• 🧱 Dart - for(int i=0;i<n;i++){}
• 🎯 Scala - for(i <- 0 until n){}
• 🐼 Groovy - for(int i=0;i<n;i++){}
• 🧠 Julia - for i in 1:n end
• 🔧 Assembly (x86 Linux) - mov ecx,n ; loop: dec ecx ; jnz loop
•
Один цикл — десятки языков
Ты когда-нибудь замечал, что почти все языки программирования выглядят по-разному, но внутри делают одно и то же?
Самый простой пример — обычный цикл. В Python он читается почти как английский. В C, Java и Go он выглядит как строгая формула. В Rust и Kotlin больше похож на математическую запись. А в Assembly это вообще набор инструкций для процессора.
Но смысл всегда один и тот же. Мы просто говорим компьютеру: повтори действие N раз.
• 🐍 Python - for i in range(n):
• ☕ Java - for(int i=0;i<n;i++){}
• ⚡ C - for(int i=0;i<n;i++){}
• 🛠️ C++ - for(int i=0;i<n;i++){}
• 🌐 JavaScript - for(let i=0;i<n;i++){}
• 🛠️ C# - for(int i=0;i<n;i++){}
• 🐹 Go - for i:=0;i<n;i++{}
• 🦀 Rust - for i in 0..n {}
• 🐘 PHP - for($i=0;$i<$n;$i++){}
• 💎 Ruby - for i in 0...n do end
• 🐪 Kotlin - for(i in 0 until n){}
• 🍎 Swift - for i in 0..<n {}
• 🔷 TypeScript - for(let i=0;i<n;i++){}
• 🧮 R - for(i in 1:n){}
• 🐚 Bash - for ((i=0;i<n;i++)); do :; done
• 🧱 Dart - for(int i=0;i<n;i++){}
• 🎯 Scala - for(i <- 0 until n){}
• 🐼 Groovy - for(int i=0;i<n;i++){}
• 🧠 Julia - for i in 1:n end
• 🔧 Assembly (x86 Linux) - mov ecx,n ; loop: dec ecx ; jnz loop
•
Один цикл — десятки языков
🔥23❤8👍3
Forwarded from Machinelearning
OpenAI объявила о начале развёртывания новых моделей GPT-5.4 Thinking и GPT-5.4 Pro в ChatGPT.
Также GPT-5.4 стала доступна разработчикам через API и в Codex. Новая версия объединяет несколько ключевых направлений развития моделей: улучшенное логическое рассуждение, более сильные возможности программирования и поддержку агентных сценариев работы.
Самое интересное:
• GPT-5.4 лидер в agentic tasks
• заметный скачок в математике
• очень сильный результат в научных задачах (GPQA)
• улучшена работа с веб-средой и инструментами
Фактически это модель, которую явно оптимизировали под агентов, инструменты и сложное reasoning, а не просто чат.
По словам компании, GPT-5.4 стала одной из самых точных и эффективных моделей. Она требует меньше токенов для выполнения задач и работает быстрее по сравнению с предыдущими версиями.
В версии ChatGPT модель GPT-5.4 Thinking получила улучшенный режим размышления: при более длительном анализе она лучше удерживает контекст и способна проводить более глубокие исследования в интернете.
Появилась и новая функция управления процессом ответа. Теперь пользователь может прервать генерацию в середине ответа и изменить направление работы модели, добавив новые инструкции.
Функция управления ответом уже начинает появляться в веб-версии ChatGPT и на Android. Поддержка iOS ожидается немного позже.
https://x.com/openai/status/2029620624923189283?s=46
@ai_machinelearning_big_data
Также GPT-5.4 стала доступна разработчикам через API и в Codex. Новая версия объединяет несколько ключевых направлений развития моделей: улучшенное логическое рассуждение, более сильные возможности программирования и поддержку агентных сценариев работы.
Самое интересное:
• GPT-5.4 лидер в agentic tasks
• заметный скачок в математике
• очень сильный результат в научных задачах (GPQA)
• улучшена работа с веб-средой и инструментами
Фактически это модель, которую явно оптимизировали под агентов, инструменты и сложное reasoning, а не просто чат.
По словам компании, GPT-5.4 стала одной из самых точных и эффективных моделей. Она требует меньше токенов для выполнения задач и работает быстрее по сравнению с предыдущими версиями.
В версии ChatGPT модель GPT-5.4 Thinking получила улучшенный режим размышления: при более длительном анализе она лучше удерживает контекст и способна проводить более глубокие исследования в интернете.
Появилась и новая функция управления процессом ответа. Теперь пользователь может прервать генерацию в середине ответа и изменить направление работы модели, добавив новые инструкции.
Функция управления ответом уже начинает появляться в веб-версии ChatGPT и на Android. Поддержка iOS ожидается немного позже.
https://x.com/openai/status/2029620624923189283?s=46
@ai_machinelearning_big_data
👍9❤2😁1🤩1
🔥 Вышла модель Qwen-Image-Layered-Control-V2
Новая версия инструмента для извлечения слоёв из изображений с управлением через кисть. Модель построена поверх оригинальной Qwen-Image-Layered-Control и позволяет точнее выделять элементы на иллюстрациях и постерах.
Теперь можно управлять слоями прямо на изображении:
Красная кисть показывает какой слой нужно извлечь.
Зелёная кисть отмечает что нужно удалить.
Если области пересекаются, они отображаются жёлтым.
Также продолжает работать текстовое управление:
prompt — описывает, что нужно извлечь.
negative_prompt — что нужно исключить.
Кисти и текст можно свободно комбинировать, что даёт больше контроля при работе со слоями.
Рекомендуемые настройки: около 10 шагов инференса.
Если используется управление кистью, можно поставить cfg_scale=1, чтобы значительно ускорить генерацию.
Лучше всего модель работает с постерами и иллюстрациями, где объекты изначально разделены на слои. Для фотографий с тенями и сложным освещением она не предназначена.
Модель обучена на датасете PrismLayersPro и распространяется как LoRA, которая загружается поверх базовой версии V1.
🟢 Model: https://modelscope.ai/models/DiffSynth-Studio/Qwen-Image-Layered-Control-V2
🟢 Dataset: https://modelscope.cn/datasets/artplus/PrismLayersPro
🟢 GitHub: https://github.com/modelscope/DiffSynth-Studio
@pythonl
Новая версия инструмента для извлечения слоёв из изображений с управлением через кисть. Модель построена поверх оригинальной Qwen-Image-Layered-Control и позволяет точнее выделять элементы на иллюстрациях и постерах.
Теперь можно управлять слоями прямо на изображении:
Красная кисть показывает какой слой нужно извлечь.
Зелёная кисть отмечает что нужно удалить.
Если области пересекаются, они отображаются жёлтым.
Также продолжает работать текстовое управление:
prompt — описывает, что нужно извлечь.
negative_prompt — что нужно исключить.
Кисти и текст можно свободно комбинировать, что даёт больше контроля при работе со слоями.
Рекомендуемые настройки: около 10 шагов инференса.
Если используется управление кистью, можно поставить cfg_scale=1, чтобы значительно ускорить генерацию.
Лучше всего модель работает с постерами и иллюстрациями, где объекты изначально разделены на слои. Для фотографий с тенями и сложным освещением она не предназначена.
Модель обучена на датасете PrismLayersPro и распространяется как LoRA, которая загружается поверх базовой версии V1.
@pythonl
Please open Telegram to view this post
VIEW IN TELEGRAM
❤15🔥3👍1😁1
🎥 Helios: Модель генерации видео в реальном времени
Helios — это передовая модель генерации видео, способная создавать высококачественные видео длительностью в минуты с частотой 19.5 FPS на одном GPU H100. Она не использует традиционные методы борьбы с дрейфом и стандартные техники ускорения, что делает её уникальной в своем роде.
🚀Основные моменты:
- Генерация видео без анти-дрифтовых стратегий.
- Высокая скорость 19.5 FPS без стандартных ускоряющих техник.
- Оптимизация, уменьшающая потребление памяти и увеличивающая производительность.
- Поддержка нескольких моделей в рамках 80 ГБ видеопамяти.
- Официальная реализация с открытым исходным кодом.
📌 GitHub: https://github.com/PKU-YuanGroup/Helios
🐍 Python полезные ресурсы 🚀Max
@pythonl
Helios — это передовая модель генерации видео, способная создавать высококачественные видео длительностью в минуты с частотой 19.5 FPS на одном GPU H100. Она не использует традиционные методы борьбы с дрейфом и стандартные техники ускорения, что делает её уникальной в своем роде.
🚀Основные моменты:
- Генерация видео без анти-дрифтовых стратегий.
- Высокая скорость 19.5 FPS без стандартных ускоряющих техник.
- Оптимизация, уменьшающая потребление памяти и увеличивающая производительность.
- Поддержка нескольких моделей в рамках 80 ГБ видеопамяти.
- Официальная реализация с открытым исходным кодом.
📌 GitHub: https://github.com/PKU-YuanGroup/Helios
🐍 Python полезные ресурсы 🚀Max
@pythonl
❤6🔥2👍1