Neurohive - Нейроcети, Data Science, Machine Learning, AI

MinerU2.5: открытая 1.2B модель для парсинга документов обходит Gemini-2.5 Pro на бенчмарках

Команда Shanghai AI Lab представила MinerU2.5 — VL-модель с 1.2B параметров для высокоточного парсинга PDF документов. Вместо пайплайна моделей используется единая VL-модель и двухэтапная стратегия обработки: анализ структуры на уменьшенном изображении и детальное распознавание фрагментов в исходном разрешении. Архитектура оптимизирована для RAG систем и подготовки обучающих данных для LLM — сохраняет семантическую целостность таблиц, формул и структуры документов.

MinerU показывает лучшие результаты на бенчмарке OmniDocBench (90.67) среди всех моделей, превосходит Gemini-2.5 Pro, GPT-4o, Qwen2.5-VL-72B и специализированные модели: MonkeyOCR, dots.ocr. Скорость обработки выше конкурентов: 2337 т/с на A100 (2.12 страницы в секунду) — в 4 раза быстрее MonkeyOCR-Pro-3B и в 7 раз быстрее dots.ocr. Модель в 60 раз компактнее Qwen2.5-VL-72B при сопоставимом качестве.

Код доступен на GitHub под лицензией Apache 2.0, веса модели — на Hugging Face.

#Stateoftheart

VK проводит Weekend Offer для бэкенд-разработчиков и ML-инженеров. Это отличная возможность получить офер за 2 дня и не проходить много этапов.

Ищут бэкендеров со знанием Java, Go, Python или C++.

И MLщиков, с навыками в Classic ML, RecSys, NLP/LLM, CV, Speech.

Важный момент: ищут коллег с опытом коммерческой разработки от трех лет.

Совпадает? Тогда у вас есть все шансы получить приглашение на работу за 2 дня: технические собеседования 4 октября, а финалы, знакомство с командами и офер 5 октября.

Отправляйте заявку до 2 октября и станьте частью VK! Подробнее — на сайте.

LongLive - открытая 1.3B-модель для генерации видео длительностью до 240 секунд с возможностью управлять сюжетом во время создания ролика. Вместо одного длинного промпта можно последовательно вводить новые инструкции каждые 5-10 секунд, меняя сюжет на лету. Модель генерирует видео со скоростью 20.7 FPS на одном H100 — это в 26-42 раза быстрее diffusion-моделей. Код, веса и демо доступны на Github.

А LongLive построен на базе модели Wan2.1-T2V-1.3B. При дообучении исследователи применили:
KV-recache — при смене промпта модель обновляет кэш ключей и значений, стирая семантику старой инструкции, но сохраняя визуальную непрерывность кадров.
Streaming long tuning — обучение на длинных последовательностях путём итеративной генерации 5-секундных клипов с переиспользованием KV-кэша.
Short window attention + frame sink — внимание с коротким окном (2.5 сек) плюс якорные кадры для долгосрочной визуальной связности, что даёт 28% ускорение и 17% экономию памяти.

На бенчмарке VBench (короткие видео): 84.87 Total Score при 20.7 FPS — качество на уровне лучших моделей при недосягаемой для других моделей скорости. На VBench-Long (30 сек) Longlive лидер с 83.52 Total Score.

#Stateoftheart

🚀 Phystech.Genesis зовёт тебя на Data Science конкурс по археологии!

Проверь навыки на реальных данных: разработай ПО для поиска объектов в рельефе по данным аэрофотосъёмки, спутниковых снимков и лазерного сканирования.

Почему стоит участвовать?
• Работа над социально значимой задачей – технологии, которые помогут археологам.
• Сообщество специалистов: знакомство с компаниями и экспертами CV/ML.
🔥 Призовой фонд – 5 000 000 ₽.

Кого ждем?
💻 Команды 2-5 человек уровня Middle и выше в области ML/CV.

📌 Формат: онлайн на DS-платформе Phystech.Genesis.
Участвовать могут как физические лица, так и компании.

⏳ Подай заявку до 14 октября по ссылке.

MLDataConf на Cтачке
ML & Хранилища данных: От теории к практике│ 3 октября │ Санкт-Петербург

MLDataConf на Cтачке - это место, где встречаются инженеры данных, ML-инженеры.
Конференция подойдет опытным командам, которые хотят глубже погрузиться в полный цикл создания AI-продуктов и перенять практики коллег.

Ключевые треки конференции:

• ML/DS
• Инструменты и инфраструктура
• AI-продукты и инновации

Выступят спикеры:

→ Михаил Кацуба, аналитик данных в lenta.tech. Тема доклада: «Эволюция управления потоками данных в Lenta BigData»
→ Юлия Антохина, Data Scientist в Lamoda. Тема доклада: «Как заработать на определении атрибутов по фото»
→ Айдын Абиров, Computer Vision engineer в Wildberries. Тема доклада: «Решаем задачу Action Recognition»
→ Никита Венедиктов, team lead DS в Raft. Тема доклада: «Может ли AI заменить аналитика данных? Наш практический опыт»
→ Евгений Ситников, технический директор в СберМобайл. Тема доклада: «AI внутри мобильного оператора как способ предотвратить телефонные мошенничества»
→ Олег Загорулько, ведущий разработчик в Ecom.tech (ex Samokat.tech). Тема доклада: «Как повысить производительность команд разработки с помощью ИИ»

Программа и билеты на сайте

Следите за новостями в Телеграме и ВК

Реклама ООО «Стачка». ИНН 7328081691. Erid 2Vtzqv8eqyE

🔬 Ищете финансирование для вашего проекта?

Инвестиционный венчурный фонд Imperious Group (научное подразделение — IG-Science) поддерживает научно-прикладные разработки, готовые к внедрению и коммерциализации. Финансирование доступно на любой стадии, без ограничений по сумме. Для разработчика это абсолютно бесплатно и безопасно — никаких вложений и рисков с вашей стороны.

🎯 Что вы получаете:

🛡 Полное юридическое сопровождение
📝 Оплату патентования в России и за рубежом, защиту прав на технологию
🤝 Прямые контакты с заказчиками и партнёрами
🌍 Поддержку при участии в международных выставках и конференциях
📊 Научно-технические и бизнес-экспертизы, помощь с бизнес-планом и выходом на
рынок

Если у вас есть научно-прикладной проект с практической значимостью — мы поможем
превратить его в рабочий бизнес.

————————————
🏛 О фонде

Подразделение IG-Science было открыто на базе венчурного фонда Imperious Group в 2018 году для поддержки научно-прикладных проектов и изобретений.

✅ Сделки возможны на любом этапе: от идеи до опытного образца.
✅ Работаем по всему миру, есть представительства в СНГ, Европе и США. Возможен выезд специалистов на место.
✅ Процесс прозрачный и безопасный: NDA, никаких вложений от разработчика,
финансирование исключительно из средств фонда.
✅ Средний объём инвестиций — $50–500 тыс., но без жёстких лимитов: всё зависит от стадии и потенциала проекта.
✅ В портфеле — более 40 реализованных проектов, получивших признание отрасли и
международных партнёров.

📩 Оставить заявку можно на сайте Imperious Group:
https://clck.ru/3NtGgj

Исследователи из Tongyi Lab (Alibaba Group) представили WebWeaver — открытый двухагентный фреймворк для глубоких исследований, который симулирует человеческий исследовательский процесс. Модель Tongyi-DeepResearch-30B-A3B 128k - дообученная модель Qwen3-30b-a3b, показывает результаты на уровне Gemini-2.5-pro-deepresearch и OpenAI-deepresearch. Код и веса модели доступны на Github и HuggingFace.

Фреймворк состоит из планировщика и генератора контента. Планировщик (planner) работает в динамическом исследовательском цикле, итеративно чередуя сбор данных через веб-поиск с оптимизацией структуры отчета. Оптимизация структуры происходит непрерывно — планировщик расширяет секции, добавляет подразделы и реструктурирует план на основе новой информации.

Генератор контента (writer) выполняет синтез с опорой на банк памяти. Для каждой секции плана он извлекает релевантные доказательства из банка памяти по цитатам, анализирует контент через внутреннее рассуждение, затем генерирует текст. После завершения раздела материалы удаляются из контекста.

На бенчмарке DeepResearch Bench WebWeaver достигает результата 50.58 против 49.71 у Gemini-2.5-pro-deepresearch и 46.45 у openai-deepresearch. Точность цитирования — 93.37% у WebWeaver (модель Claude-sonnet-4) против 78.3% у Gemini и 75.01% у OpenAI.

Tongyi-DeepResearch-30B-A3B показывает 32.9 на Humanity's Last Exam, преводсходя как открытые, так и проприетарные модели.

#Stateoftheart #Frameworks

Строите проекты на нейросетях? Тогда HOSTKEY — ваш гид в мире серверов и GPU. Здесь вы найдёте:
- честные бенчмарки и стресс-тесты GPU;
- новости рынка и технологий;
- как встроить ИИ в продукты без боли;
- советы о том, что работает, а что пустая трата денег.

В последние недели читатели особенно оценили:
- сравнение RTX 6000 Blackwell 96 ГБ с RTX 5090, A5000 и H100 в задачах LLM и видео;
- тест RTX 5090 в задачах ИИ: как GPU ведёт себя в реальных рабочих сценариях;
- 10 приёмов работы с Open WebUI, которые экономят часы при генерации;
- простое подключение ComfyUI к Open WebUI — настройка за вечер.
🎁 Каждый месяц среди подписчиков разыгрываются Telegram Premium.

Если хотите понимать, на каком железе ваши модели будут работать быстрее и дешевле — этот канал точно для вас. Подписывайтесь!

#реклама
О рекламодателе

Интегрируй ML-модель в продакшн без боли и ошибок!

Практикум для разработчиков и ML-инженеров, которые устали от «экспериментов в Jupyter» и хотят переходить к реальным решениям! 16 сентября в 19:00 приглашаем на встречу по интеграции моделей с внешним миром и написанию API вместе с экспертом Игорем Стурейко — разработчиком модели прогнозирования технического состояния газотранспортной системы ПАО Газпром.

На практикуме вы:
👨‍💻перенесёте модель из Jupyter notebook в полноценный Python-класс
👨‍💻создадите API и подготовите эндпоинты
👨‍💻напишете валидатор для входящих параметров
👨‍💻протестируете работу модели как отдельного сервиса.

Все участники получают 7% скидку на любой курс OTUS + бонус: карьерные треки для ML-специалистов

Записывайся на практикум: https://tglink.io/e6788d8741b4

Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963. erid: 2W5zFJJ4Fyr