Точки над ИИ

Если пропустили – гайд по новой имадж-модельке от OpenAI Гайд по промптингу gpt-image-1.5. Инфографика, UI, каталоги, фотореализм, аккуратный текст в кадре, сложное редактирование, все разложено по полочкам с примерами и паттернами. Ключевая мысль гайда – структура и ограничения решают. Промпт предлагается писать по-правилам, как ТЗ. Сначала сцена и фон, потом главный объект, детали, назначение картинки и в конце жесткие инварианты, что менять нельзя вообще. И обязательно итерации. Отдельно подчеркивают практичные штуки – начинать с low-quality для быстрых задач, а high включать только там, где важен текст, лица или реклама. Текст в изображении всегда явно задавать и ограничивать, при редактировании каждый раз повторять список инвариантов, чтобы не было дрейфа. Для UI описывать реальные интерфейсные элементы, для фотореализма – думать как фотограф. Если вы делаете продуктовые шоты, мокапы, инфографику или бренд-креативы, этот гайд сильно экономит время и нервы. Читаем тут. #imageGenerative@TochkiNadAI#prompt@TochkiNadAI

Не знаю, давно ли, но Qwen добавил режим ИИ-репетитора И понятно, что это не какая-то новая фича. Такой режим есть давно и у многих моделей, но пусть будет. Для любителей Квэна. Это стандартный Learn Mode, где LLM ведет себя как преподаватель. Вместо объяснений сходу он начинает с вопросов, проверяет, что вы уже понимаете, где плаваете, и дальше аккуратно ведет по теме через диалог. Он собирает курсы по теме, помогает с домашкой, делает тесты для закрепления и держит контекст длинных сессий. Подходит для математики, программирования, языков и вообще всего. Запускается в веб-чате Qwen, бесплатно и без аккаунта. Выбираете Learn Mode и говорите, чему хотите научиться. Кстати, лучше сразу просить не давать готовые ответы, а вести вопросами. Тут тестить. #education@TochkiNadAI

25 дней про ИИ-агентов от Google Видели, Google запустил Advent of Agents? Это адвент-календарь для разработчиков ИИ-агентов, который проходит с 1 по 25 декабря (еще неделя впереди). Каждый день короткий урок на 5 минут с живым кодом, примерами и практическими лайфхаками по Gemini, Agent Development Kit и Vertex AI. По сути, это полный путь от первых агентов до мультиагентных систем, оркестрации, tools, контекст-инжиниринга и production-шаблонов, которые можно просто копипастить. #agents@TochkiNadAI

Кажется, что парень слишком брезглив, чтобы прикасаться к грязным тарелкам, но на самом деле он обучает роботов. Это устройство за 400 долларов называется UMI или универсальный интерфейс манипуляции. Вместо написания сложного кода человек показывает задачу руками, а роботы учатся копировать движения. Команда из Стэнфорда сделала проект полностью открытым, включая код и чертежи железа. Сейчас главным препятствием для развития робототехники стали не алгоритмы, а нехватка данных. UMI решает эту проблему, работая в три раза быстрее обычных методов и позволяя записывать более ста демонстраций в час.

До чего же красиво. Это гауссовый шейдер-пак для Unity. Эффекты основаны на Spark.js из World Labs. Сколько всего невероятного мы увидим в следующем году на основе world-моделей. Обязательно потестируйте тут, работает в браузере, можно двигать настройки и смотреть разные вариации шейдеров. А тут пейпер. #worldModel@TochkiNadAI

Кейс. Сделал себе кастомный саммарайзер звонков. Пробовал разные приложения, которые делают репорты по итогам Зумов, многие были ОК, но захотелось сделать свой – настраиваемый, быстрый, бесплатный. Недавно, через 3 минуты после очередного обсуждения проекта, скинул такое саммари в чат с клиентом, всем очень понравилось, спросили – "а что за прога?". А вот как сделать себе такую: Шаг 1: Установка Whisper У меня MacWhisper. Он будет слушать звонки и записывать транскрипт. Я использую модель v3 Large, но можно юзать бесплатную, которая стоит по умолчанию. Шаг 2: Запись аудио Записываем деловую встречу через Zoom, Google Meet или что-то еще. Виспер сам распознает встречу. Шаг 3: Транскрибация Аудиофайл после звонка падает в MacWhisper, процесс занимает 2-5 минут в зависимости от длины записи. Дальше там же открывает текст, пишем имена участников, Виспер сам распределит их в диалоге. Шаг 4: Создание структурированного резюме Несем готовый текст в Cursor для обработки транскрибации. В результате получаем готовое структурированное саммари. Для этого я завел новый проект в Курсор, надиктовал ему, что его роль – транскрибатор, попросил его же самого написать себе инструкцию и всегда ей следовать, подредактировал как мне надо. Это делается один раз и навсегда. Инструкцию и системный промпт можно редактировать в любой момент. Шаг 5: Финализация и хранение Результат автоматически сохраняется в папку в текстовом формате с названием вида "[Название проекта] Описание.txt". В моем случае структура включает метаданные, список участников, ключевые темы обсуждения, принятые решения, важные цитаты и краткое резюме. Все, можно скопировать и отправить в телеграм, вся разметка и выделения будут сохранены. Я очень доволен, мои собеседники – тоже. Кстати, далее там же в Курсоре я могу делать уже из этих саммари предварительные КП, аналитику, прототипы. Все что угодно. Как сделать такие и многие другие инструменты для себя и своей эффективности без навыков в программировании – буду рассказывать в AI кэмпе. 3 недели практики и лекций. Места пока есть!

В общем пока что впечатления смешанные. – С текстами новая GPT работает заметно хуже бананы. Да, конечно в 2K-режиме Банана тоже частенько галлюцинирует, но не настолько. – Времени на генерацию уходит сильно больше, но может быть дело в наплыве на релизе. – Характерной желтизны в новой GPT нет, что логично, это совсем новая модель. Хотя, как будто, все равно иногда проскакивает. Подождем больших тестов и результатов на аренах. Вообще, думаю что новая Image 1,5 будет довольно популярной, так как она более доступна для многих, особенно в РФ. Например, чтобы юзать бесплатные 300$ в Google AI Studio – нужно немного потанцевать с бубнами и иностранными картами. А тут все доступно и бесплатно дефолтно. Да, кстати, ответы на предыдущие посты: Здесь: 1-banana, 2-GPT Здесь: 1-banana, 2-GPT

Тут я попросил сгенерить POV-ракурс глазами Дрисса (оригинал - знаменитый кадр обложки фильма 1+1) Вышло крипово. Угадаете где какая модель?

Угадаете, где Nano Banana Pro, а где новый GPT Image? Я использовал максимально странный промпт 😁

Новая image-модель от OpenAI. Пока только такой вот тизер. Судя по тизеру — в текст эта модель умеет, а значит вполне вероятно, что ждем конкурента Nano Banana Pro.

Новая image-модель от OpenAI. Пока только такой вот тизер. Судя по тизеру — в текст эта модель умеет, а значит вполне вероятно, что ждем конкурента Nano Banana Pro.

AI кэмп через месяц, а треть мест уже заняты! За три недели мы с вами: – Научимся системно работать с ИИ-инструментами и беречь время – Обзаведемся целой командой ИИ-ассистентов для личных и рабочих задач – Создадим "второй мозг" на базе ИИ на основе ваших заметок, блокнотов и документов – Научимся создавать красивые презентации с ИИ, и работать с таблицами и документами – Создадим сайты и телеграм-боты, быстро и без привлечения специалистов – Создадим ИИ-преподавателя конкретно для ваших целей – Научимся работать с контекстом, начнем извлекать максимум из работы с языковыми моделями И многое другое. 🔗Сайт кэмпа 🤖Записаться *до 31 декабря действует большая скидка, успейте забрать! Занятия будут проходить онлайн. Формат: эфиры с практикой и уроки в записи. Все записи будут доступны в любое время, даже если что-то пропустите. 🏕