Кстати, большинство моделей для рисования используют диффузию - когда сначала создается белый шум, а из него постепенно, все более четко прорисовывается изображение. У chatGPT это авторегрессия, то есть модель работает как LLM, генерирует последовательно пиксель за пикселем «начисто», без перерисовок.

Любопытно, что чуть раньше, наоборот, вышла модель для программирования, основанная на диффузии - CodeFusion. Причем модель от Майкрософт, работает очень прикольно - сразу выдает весь код, а потом за несколько шагов его причесывает. Работает сильно быстрее LLM.

Вот такая любопытная конвергенция технологий, или даже скорее конкуренция. Ждем еще новых подходов от Яна Лекуна ))