📮 ИИ рвётся во все щели — от «вечных» лиц моделей и дипфейк-детекторов до гонки суперк...
📮 ИИ рвётся во все щели — от «вечных» лиц моделей и дипфейк-детекторов до гонки суперкомпьютеров и переписки конституции GPT. Разобрали главное: что это значит для ваших данных, работы и будущих ИИ-агентов. 📆 Искусственный интеллект – сводка за 31 октября Pika Labs выкатил открытую модель H3 Flex, которая рендерит видео в 8 раз быстрее и в разы дешевле прошлой версии 🎥 “Machinelearning” пишет, что теперь 15 секунд видео в 768p считаются за 7 секунд, а стоимость упала на 80% по сравнению с H3 Max. Модель тянет до 12 референсов, делает апскейл до 4K и сокращает рендер с 50 до 6 шагов — серьёзная заявка на новый стандарт в AI-видеопродакшене. Илон Маск строит Colossus 2 на 1,2 млн GPU Blackwell — Grok 5 может стать самым «прокачанным» ИИ в мире 🚀 По данным “Futuris”, к концу года Маск хочет собрать кластер, который даст Grok 5 в 2–3 раза больше мощности, чем у любого конкурента. Первый кампус Colossus он уже сдал в аренду Anthropic, так что борьба за ИИ-суперкомпьютеры превращается в гонку вооружений. Модные бренды предлагают моделям «вечный цифровой контракт»: лицо бесплатно, работу — под вопросом 👗 “Hi, AI • Новости технологий” рассказывает, что Diesel, Calvin Klein и L’Oréal хотят бесплатно оцифровать внешность моделей и учить на них свои нейросети, экономя до 90% бюджета. Для моделей отказ равен риску лишиться заказов, а для фотостудий — реальной угрозе закрытия. Подписку moonshot теперь можно оплатить картой «Мир» — ИИ-агенты становятся ближе к русскоязычным пользователям 💳 Канал “AI и грабли” отмечает, что при российском IP сервис принимает «Мир», что резко упрощает доступ к мощным моделям. Это подталкивает локальный ИИ-бизнес, усиливает интерес к китайским решениям и может ускорить массовое появление полноценных ИИ-агентов под задачи малого и среднего бизнеса. Создатели ИИ-агентов бьются не с кодом, а с недоверием: пользователи не готовы слепо принимать их решения 🤖 “Refat Talks: Tech & AI” пишет, что люди охотно тестируют агентов, но почти всегда перепроверяют результат, убивая экономию времени. Выход — строить системы, которые направляют агента, делают его шаги прозрачными, удешевляют ошибки и позволяют обучаться на промахах, а не прятать их.