Любопытный МЛ-проект:
Ресечеры нашли способ как по «размытию» фона на фото, определять телефон с которого оно было сделано - по их находке, у каждого телефона немного свой «паттерн размытия» фона на фотографиях

Пока что, такую МЛ-модель для определения телефона нужно тренировать под каждое устройство – но в теории, уже возможно взяв два фото понять было ли оно сделано одним устройством

Тут больше деталей:
https://blur-fields.github.io/

Код обещают скоро

Интересная статья с кучей промптов и примеров того, как можно необычно использовать Nano Banana:
https://github.com/PicoTrex/Awesome-Nano-Banana-images/blob/main/README_en.md

Работать будет и с другими такими моделями, так что еще пригодится

Stripe показал способ как в эпоху AI настраивать монетизацию приложений, в целом многие это уже наверное знают, но всегда приятно когда кто-то по полочкам разложил

В статье всего пару шагов, на выходе получаем готовую монетизацию любого АИ-продукта:

1. Формулируем ценность того, что мы продаем правильно

Не «пользователь может сгенерировать картинку нашим АИ» или «мы можем ускорить создание тикета для пользователя», а - «какой конкретный результат клиент получает и за что готов платить»

Важно не путать «использование» с «ценностью»

Примеры:
- Вместо «Сгенерировал картинку», нужно «получил готовый к публикации визуал по ТЗ»
- Вместо «Ускорили создание тикета», нужно «тикет закрыт, проблема решена»
- Вместо «ИИ написал черновик», нужно «документ готов и принят без правок»

2. Ценность обозначили, теперь выбираем метрику за которую берем деньги с пользователя, есть три способа:

- За потребление (токены/вызовы API)

Плюс: совпадает с нашими издержками.
Минус: клиенту сложнее увидеть бизнес-результат.
Подходит техкомандам, которым нужен полный контроль трат.
Пример: API генерации текста/изображений — платишь за каждый вызов или за 1 000 токенов; счёт – это и есть фактическое потребление.

- За решенную задачу (workflow: «проверил документ», «свел таблицу», «забронировал встречу»)
Клиенту понятно, что покупает; издержки плавают от случая к случаю.
Пример: $X за подготовку отчёта по индустрии Y (сколько шагов, вызовов и токенов внутри - наша забота).

- За результат («тикет решён», «лид подтверждён»)
Близко к прошлому, но больше по кол-ву шагов и максимально бьётся с ценностью.

Почему себестоимость может прыгать: два одинаковых «успешных исхода» могут требовать разного числа шагов и токенов - где-то хватит одного длинного диалога и единственного вызова модели, а где-то будут ретраи, дополнительные инструменты (поиск/браузер) и несколько коротких диалогов с юзеров – если таска не закрыта, до деньги с юзера не берем.

Пример: $X за закрытый тикет; если тикет не закрыт - $0.

3. Упаковываем в тарифы: чаще всего гибрид - подписка + потребление

Пример: фикс в месяц включает базовый объём каких-то кредитов, всё сверх - по пополнение кредитов через Pay-As-You-Go (PAYG); может быть и чистый PAYG как отдельный вариант; плюс - бесплатный стартовый план для проб и кастом для enterprise.

Это даёт предсказуемую выручку и низкий порог входа.

4. Ставим лимиты на потребление, чтобы не улететь в затраты и не пугать клиентов счетами: лимиты и пороги с алертами на все что мы сами покупаем у AI-провайдеров, в идеале иметь прозрачный дашборд «как использование превращается в деньги».

5. Постоянно донастраиваем: смотрим на юнит-экономику и поведение пользователей, меняем цены/тарифы по мере снижения/роста стоимости моделей и зрелости рынка. Почти все так и делают (по Stripe-данным, ~92% компаний потом корректируют прайсинг)

Все, вы АИ-стартапер, поздравляю

Вот тут статья целиком:
https://stripe.com/blog/a-framework-for-pricing-ai-products

Стартап по генерации миров из картинки выкатил бета превью своей модели - самому закачать картинки пока не дают, зато дают походить по чужим генерациям:
https://marble.worldlabs.ai/

Вот и гауссины пригодились (эти «полоски» цветные)

P.S. с телефона качество симуляций хуже

Эта же модель с одного промпта, wtf вообще, пошел записываться в бету

Ссылка на мир

>Три беженца из Газы
>Добрались по земле до Ливии
>Дальше хочется в ЕС, но не ясно как
>Купили у местных б/у гидроцикл
>Возник вопрос: сколько бензина брать с собой, чтобы хватило до Италии
>Скинули в ChatGPT свои координаты и попросили ее посчитать кол-во горючего
>ChatGPT посчитала, поплыли
>Спустя 330 км гидроцикл заглох не доплыв 20 км до Италии
>Береговая охрана подобрала беженцев

Входит в мой персональный топ необычных использований ChatGPT – молодцы

Google навставлял AI в Chrome для всех:

- добавили окошка чата (вверху справа), чтобы чатиться с Gemini, оно имеет доступ как к одной вкладке сайта, так и к нескольким
- прикрутили Gemini к поиску по истории браузера (можно будет спросить что-то в стиле «а где я видел последний раз фотку Дурова по торс» и оно вернет)
- Скоро добавят агента который может за вас ходить по сайтам и выполнять задачи
- Если где-то, кто-то, отправляет браузерный пуш со спамом, то его поймает гемини

АИ масс адаптация, получается, свершилась – самый популярный браузер мира все же

Тут весь анонс

Полезная ссылка: 1000 (тысяча) схем архитектур агентов на LLM – одних только кодовых агентов ~120 штук:
https://altsoph.com/pp/aps/#

А тут как автор делал подборку