Neural Shit

просто оставлю это здесь

взял отсюда

Алибабищенко бахнул Qwen-Image 2.1 и выложил веса.

Это единая модель для генерации и редактирования изображений. Визуальная часть содержит 7B параметров и 32 Single-Stream DiT-блока. Сносно.

Ништяки:

- native 2K - базовое разрешение 2048x2048, поддерживаются в том числе 2752x1536 и 1536x2752;
- text-to-image и image editing в одной модели;
- до 10 референсных изображений одновременно;
- локальное редактирование можно задавать каракулями, нарисованными пометками или отдельными масками;
- улучшено сохранение идентичности людей и объектов при редактировании;
- улучшены типографика, портретное освещение, текстуры и мелкие детали;
- рекомендуемый стандартный режим - 40 inference steps.

Одна из самых интересных фишек - нативный RGBA и прозрачность. Модель умеет сразу генерировать объект с alpha-каналом(!), редактировать прозрачные изображения(хм) и даже типа взять обычную RGB-фотографию и извлечь из неё нужный объект в отдельный прозрачный RGBA-слой (верим? тестируем?).

Веса уже доступны на Hugging Face. Comfy Org также выложила набор весов Qwen-Image 2.1 для ComfyUI, а сама Comfy ещё до релиза заявляла нульдэй саппорт.

Лицензия - говно. Ресерч.

На рыддите, кто-то рыдает от восторга, особенно от эдит и консистентности, а кто-то ноет про кожу и мыло. Кожаным не угодишь. Жду тестов в коментах

Шопопамяти:

Хорошая новость: 24-32 GB VRAM для неё, похоже, вообще не обязательны.

На Reddit уже пишут, что модель должна нормально жить даже на RTX 3060 при квантизации.

Сама 7B-модель в INT8 около 7 GB + text encoder Qwen3-VL в W4A8 около 6 GB.

То есть суммарно порядка 13 GB весов, причём ComfyUI умеет выгружать части в RAM, поэтому 12 GB VRAM выглядит вполне нарядным вариантом.

Для нищебродов:
8 GB VRAM - скорее всего заведётся с агрессивной квантизацией/offload, но пока нет нормальных подтверждённых тестов именно Qwen-Image 2.1.
12 GB VRAM - выглядит как реальный рабочий минимум для квантованной версии в ComfyUI.

Для помещиков:
16 GB VRAM - сейчас выглядит как очень нормальный вариант. На Reddit владельцы 5060 Ti 16 GB уже радуюццо релизу именно в этом контексте.
24 GB VRAM - должно быть уже совсем комфортно для квантованной модели и, вероятно, позволит меньше гонять данные CPU<->GPU.

Для Баяр:
32 GB - может влезут и не кванты..

Почему такая разница с прежним Qwen Image: старая модель была огромной - около 20B параметров только генеративной части, а Qwen-Image 2.1 теперь жалкие 7B.

Ссылки:

Официальная страница Qwen:
qwen.ai/blog?id=qwen-image-2.1

Веса Qwen-Image 2.1:
huggingface.co/Qwen/Qwen-Image-2.1

Версия для ComfyUI:
huggingface.co/Comfy-Org/Qwen-Image-2.1

@cgevent

AGI

Наткнулся на прикольдую демку, где можно посмотреть, как выглядел бы мир, если бы скорость света была 5 км/ч максимум:
https://rivendell.dmitrybrant.com/relativity/

Смотреть лучше с компьютера

Это нам всем за то, что усердно молились

Typesafe: pnewed 💨
Jev: liberated 🫡

Я обучил MLP поверх qwen 4b и оно работает буквально как та хайповая модель из твитера

https://huggingface.co/AlexWortega/openjev

X репостите в тви пж

покрал видео отсюда и накинул русских сабов. Иногда криво — это потому что сабы делал и монтировал кодекс (если бы переводил и монтировал я — было бы ещё кривее)

Мне нравится, что он 3 источника как минимум приложил

Главная проблема классического поиска сейчас — это чудовищный информационный шум. Если вбить туда комплексный рабочий запрос с кучей ограничений, поисковик просто выплюнет список общих статей ни о чём.

Решил затестить это в Алисе AI.

Суть проста: вместо классической выдачи поисковика со ссылками, нейросеть сама за секунду обходит рунет, выкачивает суть из десятков релевантных источников и собирает готовый ответ в виде структурированного гайда, таблиц и карточек прямо на экране. Никаких переходов по ссылкам.

Решил проверить на наболевшем: как поднять нормальную локальную нейронку без покупки дата-центра.
Задал задачу:

подбери открытую модель (на 7B–14B параметров) для локального кодинга и анализа документов. Вводные: у меня одна домашняя карточка на 12 ГБ VRAM, 32 ГБ оперативы, система на Linux. Требование — расписать оптимальный стек (какой квант брать — Q4_K_M или Q8, через что крутить: Ollama, vLLM или llama.cpp), сравнить скорость генерации (токены в секунду) и подсветить, как не словить Out of Memory при длинном контексте.

В итоге получил готовую выжимку: сравнительную таблицу моделей под мой объём видеопамяти, готовые команды для терминала под сетап и краткий список граблей с контекстным окном. Никаких блужданий по 50 веткам на Reddit и закрытым GitHub-issues. Всё собрано в одном месте.