Neurogen

Тесты Gemini 2.5 Flash против других моделей

Что такое Gemini 2.5 Flash

Gemini 2.5 Flash — новейшая модель от Google, первая полностью гибридная модель рассуждений с возможностью управления "мышлением" для оптимального баланса качества, стоимости и скорости.

⚙️ Технические характеристики

- Контекстное окно: 1 миллион токенов
- Максимальный вывод: 65 тысяч токенов
- Поддержка: текст, изображения, аудио, видео
- Дата обрезки знаний: январь 2025
- Стоимость: $0.15/млн входных токенов, $0.60/млн выходных токенов

📈 Сравнение с GPT-4o

- GPT-4o: 128K контекст, 16.4K макс.вывод, релиз 13 мая 2024
- Цена GPT-4o: в 16.7 раз дороже Gemini 2.5 Flash
- Бенчмарки GPT-4o: MMLU (85.7%), HumanEval (90.2%), MATH (75.9%)
- Gemini 2.5 Flash в Humanity's Last Exam: 12.1%

🔄 Сравнение с Claude 3.7 Sonnet

- Claude 3.7 Sonnet: 200K контекст, 8,192 макс. вывод, релиз 2 апреля 2025
- Цена Claude: в 17.3 раза дороже Gemini 2.5 Flash
- Бенчмарки Claude: MMLU (84.8%), HumanEval (89.1%), GSM8K (95%)

⚡️ Сравнение с OpenAI o4-mini

- o4-mini: 200K контекст, 100K макс.вывод, релиз 16 апреля 2025
- Цена o4-mini: в 7.3 раза дороже Gemini 2.5 Flash
- Бенчмарки o4-mini: GPQA (81.4%), AIME2024 (93.4%), MMMU (81.6%)
- В Humanity's Last Exam: o4-mini — 14.28%, Gemini 2.5 Flash — 12.1%

🔍 Ключевые различия

vs GPT-4o:
- Gemini 2.5 Flash: больше контекст, дешевле, поддержка голоса и видео

vs Claude 3.7 Sonnet:
- Gemini 2.5 Flash: дешевле, больше контекст, больше модальностей

vs o4-mini:
- Gemini 2.5 Flash: больше контекст, намного дешевле
- o4-mini: чуть лучше в бенчмарках

💡 Особенности Gemini 2.5 Flash

- Контролируемое рассуждение: бюджет на "размышления" (0-24,576 токенов)
- Гибридное рассуждение: балансирует скорость/качество
- Экономичность: лучшее соотношение цены/производительности
- Мультимодальность: все типы контента
- Огромный контекст: 1M токенов

⛏ Реальные тесты

- Скорость: 142-199 токенов/сек
- Сильные стороны: кодирование, математика (с режимом расширенного рассуждения)
- Экономия на длительных задачах

🎙 Вывод

Gemini 2.5 Flash — экономичная альтернатива: в 7-24 раза дешевле конкурентов, с большим контекстом, гибким контролем рассуждений и поддержкой всех модальностей. Идеально для задач с большими объемами данных при ограниченном бюджете.

⚡️ Розыгрыш 10 подписок ChatGPT Plus на месяц — счастливчики получат доступ к платным нейросетям от OpenAI (Sora, Deep Research, GPT-4o, DALL-E и тд).

Условия простые:

1. Подписаться на Not Boring Tech — канал про лучшие нейросети для работы и рутины.
2. Подписаться на Neurogen — популяризатора нейросетей и разработчика-энтузиаста.
3. Нажать «Участвовать» под этим постом.

Итоги подведём через две недели случайным образом при помощи бота. Всем удачи!

SkyReels‑V2 - новая SOTA среди open-source моделей для генерации видео

SkyReels‑V2 — открытая система генерации видео произвольной длины по текстовым и визуальным подсказкам. Благодаря технологии Diffusion Forcing обеспечивает бесшовное продолжение кадров и создаёт «бесконечную» ленту.

Основные возможности
• Text‑to‑Video (T2V): ролик по текстовому описанию
• Image‑to‑Video (I2V): превращение одного изображения в анимацию
• Prompt Enhancer: встроенный LLM для расширения и детализации подсказок
• USP/xDiT: распределённый инференс между GPU для ускорения вывода
• SkyCaptioner: автоматическая генерация субтитров и аннотаций
• В планах: модуль «Camera Director» и выпуск версии с 5 B параметров

Конфигурации и аппаратные требования


Версия Кадров × разрешение Необходимая VRAM (1 GPU)
DF‑1.3 B 97 × 540 P ≈ 15 ГБ
DF‑14 B 97 × 540 P ≈ 51 ГБ
T2V‑14 B 121 × 540 / 720 P ≈ 43 ГБ

Ключевые технологии

Diffusion Model: «очистка» шума и восстановление деталей

Diffusion Forcing: фрагментарный шум и поэтапное восстановление для «бесшовности»

Reinforcement Learning: оценка плавности кадров и оптимизация поведения

Supervised Fine‑Tuning: доводка на высококачественных видеоматериалax

Производительность
• Human Bench: 3.14/5 — лучший среди открытых решений, близко к коммерческим сервисам
• V‑Bench: 83.9 % — наивысший показатель качества в open‑source

Все доступные варианты уже можно скачать на HuggingFaces

Протестировать онлайн можно на официальном сайте Skyreels

Ну что же, теперь ждем квантованные GGUF версии и поддержку в ComfyUI
upd.: Пошли первые воркфлоу для Comfy

📼 FramePack: Революция в создании видео с минимальными ресурсами

🔍 Что такое FramePack?

FramePack — это новая прорывная технология для создания видео. Её главная особенность — умное использование информации о кадрах, что позволяет создавать длинные видео даже на слабых компьютерах.

⚙️ Что умеет эта технология

🟡 Принцип работы: ии, который предсказывает, как должен выглядеть следующий кадр видео
🟡 Компактность: занимает в 2-3 раза меньше памяти, чем другие подобные программы
🟡 Требования к компьютеру: нужно всего 6 ГБ видеопамяти — подойдёт даже недорогой игровой ноутбук (но чем меньше памяти тем дольше генерация).
🟡 Скорость работы: 1,5-2,5 секунды на создание одного кадра на 4090 или 1.5 минуты на создание 1 секунды видео.
На 3060ti 8Gb генерация 1 секунды видео длится, примерно, 4 минуты.
🟡 Качество видео: полноценные 30 кадров в секунду, как в обычных видео
🟡 Стабильная работа: не замедляется и не требует больше памяти при создании длинных видео

🚀 Преимущества

🟡 Работает на обычных компьютерах — не нужны дорогие профессиональные видеокарты
🟡 Создаёт длинные видео — до 5 минут на обычной домашней видеокарте
🟡 Качество не ухудшается — в длинных видео последние кадры такие же чёткие, как первые
🟡 Гибкость использования — работает как с одной картинкой (превращая её в видео), так и с несколькими ключевыми кадрами

Как это работает?

FramePack умно распределяет компьютерные ресурсы:

1. Каждый кадр обрабатывается с разной степенью внимания
2. Важным кадрам (которые ближе к текущему моменту) уделяется больше вычислительных ресурсов
3. Разные части изображения обрабатываются по-разному, в зависимости от их важности
4. Благодаря такому подходу компьютер тратит одинаковое количество ресурсов, независимо от длины видео

Технология также решает проблему "размытия и искажения" в длинных видео с помощью специального двустороннего метода, который оглядывается не только на прошлые, но и на будущие кадры.

Портативная версия

Я добавил в сборку дополнительный функционал из различных форков:

- Поддержка генерации по первому и последнему кадру
- Поддержка установки промпта по временным промежуткам, например:[0s-2s: Person waves] [2s-4s: Person jumps]

Кроме этого, в отличие от оригинала сборка собрана на базе Cuda 12.8, с поддержкой SageAttention 2, FlashAttention 2 и xformers

По тестам, 1 секунда видео генерируется 60-80 секунд.

Скачать:

Облегченная версия (модели загрузятся сами при старте)
Скачать с Зеркала (у кого проблемы с Яндекс Диском)

📰 Проектная страница
🐱 Страница на GitHub

Буквально недавно, наша команда пополнилась редактором новостей.

В целом, я думаю вы заметили, что постов стало больше. Мы немного продолжаем экспериментировать с подачей информации, но также нам хотелось бы узнать, чего бы вам больше хотелось видеть, какого материала по каким тематикам?

Tencent у себя в твиттере заявила, что через неделю выйдет I2V модель HunyanVideo.

Думаю, дождусь ужатых версий и тогда уже и обновлю свою "видео-сборку" и запишу все необходимые гайды по работе.

За наводку спасибо @TensorBanana

«Яндекс» выпустил модель YandexGPT 5 и назвали ее "опенсорс"

Компания Яндекс заявила, что их YandexGPT 5 Pro сравнима с GPT-4o и превосходит китайскую Qwen 2.5.

В целом они представили свою новую модель как сверхмощная нейронка, а на деле она до сих пор не проходит старые тесты и модель осталось на уровне старой Алисы, такая же тупая.

"В компании заявляют, что обновлённая «Алиса Про» с YandexGPT 5 Pro научилась писать код, выполнять логические задания и расписывать ход решения задачи пошагово", как не странно код нормально написать YandexGPT5 тоже не может.

Касательно опенсорса все вообще печально, по определению модель от Яндекс не подходит даже под OpenSourceAI, если углубиться в их лицензионное соглашение, то разработчики ограничены даже в изменениях открытого кода и использования модели в коммерческих целях. Согласно соглашению, модель может использоваться только в некоммерческих и исследовательских целях. Это означает, что коммерческое использование модели запрещено без предварительного соглашения правообладателя. Кроме того, модификация выходных моделей данных, включая изменение их содержания или назначения, также не регулируется законом.

⚙️Технические данные которые нам даёт Яндекс:

YandexGPT 5 Pro:
🟡Длина контекста: Поддерживает до 32 000 токенов.
🟡Качество и производительность: Сравнима по качеству ответов с GPT-4o и в 64% случаев превосходит китайскую модель Qwen2.5 (Qwen-2.5-32b-Instruct) в решении стандартных задач.
🟡Функциональность: Способна генерировать и анализировать программный код с поддержкой более 15 языков программирования, решать математические задачи с пошаговым объяснением, а также проводить мультидоменный анализ документов, включая юридические, технические и медицинские тексты.
🟡Интеграция: Внедрена в чат с голосовым помощником «Алиса», доступна через Yandex Cloud AI Studio и сервис Yandex SpeechSense для бизнес-решений.

YandexGPT 5 Lite:
🟡Размер модели: Содержит 8 миллиардов параметров.
🟡Длина контекста: Поддерживает до 32 000 токенов.
-🟡Обучение: Прошла двухэтапное обучение: на первом этапе — на 15 триллионах токенов преимущественно русскоязычных и англоязычных текстов; на втором этапе — на 320 миллиардах высококачественных токенов.
🟡Доступность: Опубликована в свободном доступе на платформе Hugging Face, что позволяет разработчикам дообучать модель под свои специфические задачи.

Думаю сделать обзор-сравнение на колонки от Сбера и Яндекса.

И если с Яндексом все понятнее, то к Сберу есть вопросы, касаемо стабильности и ряда других серьёзных минусов.

Если вдруг кто-то из представителей Сбер Девайсов имеет желание разобраться до публикации обзора: @roman_neurogen

FaceFusion Portable by Neurogen v3.1.2 | Added support RTX 50xx GPUs

Техническое обновление. Что нового:

- Код обновлен до актуального на момент 23.02.2025
- Собрано на основе Cuda 12.8 и Python 3.12
- TensorRT обновлен до версии 10.8.
- Добавлена нативная поддержка видеокарт серии RTX 50xx (RTX 5070 Ti, RTX 5080, RTX 5090)

FaceFusion - это некий "комбайн" из различных нейросетевых моделей для работы с видео и фото. Программа включает в себя:

- Возможность замены лица на фото или видео (DeepFake)
- Синхронизацию губ в видео по аудиодорожке (LipSync)
- Колоризацию старых черно-белых видео и фото (Frame Colorizer)
- Улучшение качества лица на фото или видео (Face enhancer)
- Увеличение разрешения видео или фото (Upscale)
- Возможность изменения возраста лица (Age Modifier)
- Редактор эмоций и выражения лица (expression restorer и face editor)

Видеообзор прошлых версий программы: Видео 1, Видео 2

В силу наших закулисных трений с разработчиком FaceFusion, сборка доступна по подписке на приватный Телеграм канал со сборками:

Скачать FaceFusion Portable. Подписку можно оформить через ЮMoney, USDT, Telegram Stars

#portable #facefusion

📹HunyuanVideo Keyframe Control Lora

LoRA для модели HunyuanVideo позволяет вам генерировать промежуточные кадры! Вы можете создать полноценное видео имея начальный и конечный кадр, грубо говоря сшить начальный и конечный кадр создав между ними промежуточные.

Как пользоваться?
🟡Загрузите начальное и конечное изображение.
🟡Укажите количество кадров.
🟡Видео создано

Идеально подходит для:
🟡Анимационные переходы.
🟡Восполнение недостающих фрагментов видео.
🟡Просто экспериментируем!

🤗 Hugging Face