Помню что обещал видео, но очень устал сегодня. Давайте чуть отвлечемся. Вот новость: выпускают настольную игру, изображения для которой создавала нейросеть Midjourney.
Я раньше сказал, что применений у этих сетей не так много, точно не "полностью заменить художников". Но если кто-то когда-то играл в Dixit или Имаджинариум, то может помнить, какие там странные картинки, составленные из будто бы не слишком подходящих друг к другу элементов. Так что в целом использование генерации для настолки или видеоигры было очевидным. Я удивлён лишь, что так быстро.
Но во всех случаях под такую графику нужна определенная игровая механика. Нельзя проиллюстрировать любую игру нейросеткой: будет плохо. Так что тоже пространство ограничено.
Не знаю, как будет играться "Я не человек". Кажется, что механика очень простенькая и похожа на Spyfall (которую я очень не люблю). Было бы прикольно, если бы появилась настолка с необычным и глубоким игровым процессом, работающим чисто за счёт того, что изображения получены генерацией.
#games
⚡️GLM-5 выкатили в опен-сорс.
Не прошло и суток с момента релиза, а Zhipu AI выложила веса GLM-5 и любезно поделилась проведенными бенчмарками.
Архитектура пятого поколения построена на MoE: 744 млрд. общих параметров при активных 40 млрд. Модель учили на 28,5 трлн. токенов и она получила контекстное окно в 200 тыс. токенов.
GLM-5 ориентирован на 5 доменов: кодинг, рассуждение, агентные сценарии, генеративное творчество и работа с длинным контекстом.
Для эффективной обработки длинных последовательностей интегрирован механизм Dynamically Sparse Attention от DeepSeek, он позволяет избежать квадратичного роста копьюта без потери качества.
По бенчмаркам GLM-5 занимает 1 место среди open-source моделей: 77,8% на SWE-bench Verified, лидирует на Vending Bench 2, BrowseComp и MCP-Atlas, а в задачах агентного кодирования и рассуждений вплотную подбирается к Claude Opus 4.5 и GPT-5.2.
Вместе с моделью, авторы предлагают Z Code — собственную агентную IDE с поддержкой параллельной работы нескольких агентов над одной задачей.
Локальный деплой поддерживается vLLM и SGLang, а также non-NVIDIA чипами: Huawei Ascend, Moore Threads, Cambricon (через квантование и оптимизацию ядер).
Если вам негде поднять модель локально, она доступна через платформу chat.z.ai, API и на OpenRouter.
Квантованные версии пока сделали только Unsloth, традиционно - полный набор от 1-bit до BF16.
И да, стэлс-модель PonyAlpha на OpenRouter - это она и была.
📌Лицензирование: MIT License.
🟡Статья
🟡Модель
🟡GGUF
🖥GitHub
@ai_machinelearning_big_data
#AI#ML#LLM#GLM5#ZAI