Все категории

Модели

вы модель/фотомодель? вас ищут в этом разделе!

4 636 объявлений найдено за последние 3 дня

Здесь показаны примеры поиска клиентов недельной давности.

Подписывайся, чтобы получать информацию обо всех новых клиентах в режиме реального времени!

29 апреля 16:22

Открытая 8B vision-модель, развёрнутая за 20 минут, закрывает 70% разрыва до фронтира – и замыкает цикл тестирования для кодинг-агентов без единого вызова к облачному API.Проблема: мощный кодер, который работает вслепуюЕсли у вас есть неограниченный доступ к фронтир моделям (Calude, Codex и т.д.), то эта статья не для вас.Сегодня доступны отличные недорогие модели для кодинга и архитектуры. Например, GLM-5.1 (реферальная ссылка +10% бонус на пополнение) умеет генерировать, рефакторить, отлаживать код, строить архитектуру – в десятки раз дешевле фронтит моделей или вообще бесплатно при локальном развёртывании.Но у всех таких моделей часто есть общая слепая зона: они не видят результат своей работы. Кодинг-агент лего может:сгенерировать HTML-страницузапустить Playwright и снять скриншот…и на этом всё. Скриншот лежит на диске, а модель понятия не имеет, что на нём изображеноGLM 5.1 слепаяБез обратной связи невозможно замкнуть цикл «агент написал код → агент посмотрел результат → агент исправил → агент посмотрел убедился, что исправил». Человек должен вмешиваться вручную: «нет, кнопка уехала влево», «таблица обрезана на мобильном». Это убивает автономность и делает vibe-coding полуавтоматическим и утомительным. Вместо того чтобы ставить задачи и принимать результат, творец превращается в младшего QA-тестера.Решение: MCP-сервер с локальной vision-модельюИдея простая: создать MCP-сервер (Model Context Protocol), который принимает скриншот и возвращает структурированное описание того, что на нём изображено. Внутри – вызов vision-модели.Ключевой инсайт: для «зрения» на скриншотах не нужен большой ум. Задача – извлечение: OCR текста, перечисление кнопок, определение layout, детекция обрезки, а значит, для этого скорее всего достаточно компактной открытой модели. Такова была гипотеза и я ее успешно подтвердил.СтекМодель: qwen3-vl:8b – взята навскидку по советам Gemini/Grok – открытая, 8 миллиардов параметров, из коробки понимает изображения. Развёртывание через Ollama (для простоты, но для многопоточности и продавлена лучше API от vllm или llama.cpp), буквальноollama pull qwen3-vl:8b и готово! На GPU класса RTX 3090 / 4090 или даже Apple Silicon M-серии с 16+ GB RAM.MCP-сервер vision-sidecar-mcpпока качалась модель я сгенерировал Grok-ом: https://github.com/xronocode/vision-sidecar-mcpanalyze_image – общий анализ скриншота (нейтральный промпт)analyze_structured – структурированная извлечение в JSON-схемуextract_table – специализированная таблица-экстракцияВремя развёртывания: ~20 минут от нуля до работающего пайплайна.Замкнутый циклТеперь агент может:Кодер-модель получает текстовое описание результата и может итерировать без участия человека. Цикл замкнут.Пример сырого JSON-ответа от vision-sidecar_analyze_image для скриншота вебсайта : { "image": { "path": "/Users/myevdokimov/prj/kompakt/full-page.png", "size_bytes": 106900, "size_mb": 0.1, "mime": "image/png", "modified": "2026-04-11T07:24:25.613414+00:00" }, "model": "qwen3-vl:8b", "preprocess": { "original_size": [1200, 3815], "upscaled": false }, "viewport_hint": null, "analysis": "- Top bar:\n - Left: \"pdf-kompakt\" (light blue text)\n - Right: \"EN\" (dropdown indicator), \"Support the project\" (orange button with shield icon), and a question mark icon (gray)\n\n- Main content area (black background):\n - Logo: \"kompakt\" (green and blue gradient text)\n - Tagline: \"50–90% smaller. 100% private.\" (white text)\n - Description: \"Free, open-source PDF compression. Desktop CLI gets 50–90% savings. Chrome extension for quick jobs. Files never leave your device.\" (white text)\n - Buttons:\n - \"Download Desktop\" (blue button with download icon)\n - \"Chrome Extension\" (gray button with Chrome icon)\n - Code snippet: \"brew tap xronocode/tools && brew install pd..\" (green text with \"Copy\" button on the right)\n - \"Product Hunt\" badge: \"Product Hunt\" (white text on dark background with \"???\" icon)\n - \"Support me\" button (red button with shield icon)\n\n- Bottom bar:\n - Links: \"GitHub\", \"Releases\", \"Issues\", \"MIT License\", \"Privacy Policy\", \"Newsletter\" (white text)\n - \"Support the project\" button (orange button with shield icon)\n - Footer text: \"pdf-kompakt — open-source PDF compression\" (white text)\n\n- Layout:\n - Top bar: horizontal, left-aligned text, right-aligned buttons/icons\n - Main content: centered elements (logo, tagline, description, buttons, code snippet, badge)\n - Bottom bar: horizontal, centered links, centered button, centered footer text\n\n- Clipping: Content appears unclipped at the bottom edge (no visible content below the footer text)." }А что с качеством? Вот тут начинается интересноеЕстественный вопрос: «Окей, 8B-модель видит. Но насколько хорошо?»Я провел трёхэтапную оценку на 10 скриншотах реального веб-приложения (kombo – детская математическая RPG, мой пет-проект в разработке) во вьюпортах от 320×568 (маленький мобильный) до 1440×900 (десктоп).Оценка качества локальной Qwen3-vl:8B c Claude Opus 4.7 средствами Opus 4.7Три слоя сравненияСлойМодельОписаниеBaselineqwen3-vl:8b v0.1.0Модель из коробки, базовый промптTunedqwen3-vl:8b v0.2.2Та же модель + тюнинг промптов и параметров сэмплингаFrontierClaude Opus 4.7Фронтирная мультимодальная модель (потолок)Важно: тюнинг был исключительно на уровне промптов и параметров inference. Никакого fine-tuning весов, никаких дополнительных данных. Чисто инженерная работа над промптом, схемой ответа и конфигурацией Ollama. Тюнинг весов – отдельная, вполне выполнимая задача, которая может ещё сократить разрыв.9 измерений оценкиКаждый скриншот оценивался по 9 измерениям (0–5 баллов):ИзмерениеЧто проверяетOCR / извлечение текстаТочность посимвольного копированияДетекция UI-элементовКарточки, иконки, декоративные формыПонимание layoutКолонки, сетка, responsive-адаптацияДетекция CTA/кнопокКнопки, ссылки, их иерархияСемантическое пониманиеРоли секций, аудиторная сегментацияИзвлечение таблицЯчейки, заголовки, структураКонтроль галлюцинацийОтсутствие выдумок (цвета, тексты)Обработка неопределённостиДетекция обрезки, below-fold контентаПолезность для downstreamПригодность для дальнейшей обработкиРезультатыHeadline numbers Baseline Tuned v0.2.2 Opus 4.7 ──────── ──────────── ──────── Средний балл: 3.99 4.70 5.00 Gap до фронтира: 1.01 0.30 – Gap закрыт: – 70% – Gap по измерениям (до и после тюнинга) Baseline gap │ After tuning │ OCR ████░░░░░ 0.7 │ ░ 0.0 ✓ Паритет UI detect ██░░░░░░░ 0.3 │ ░ 0.0 ✓ Паритет Layout ████████░ 1.2 │ ██░ 0.3 ~ Близко CTA ░░░░░░░░░ 0.0 │ ░ 0.0 ✓ Паритет Semantic ███░░░░░░ 0.4 │ ░ 0.0 ✓ Паритет Table ██░░░░░░░ 0.3 │ ░ 0.0 ✓ Паритет Hallucination █████████ 1.4 │ ████████░ 1.2 ✗ Главный gap Uncertainty █████████ 2.3 │ ███░ 0.5 ~ Близко Downstream █████████ 1.4 │ █░ 0.1 ✓ Почти паритет Per-screenshot (10 скриншотов) Screenshot Opus Baseline Tuned Δ improved ────────────── ──── ──────── ───── ────────── 01 desktop hero 5.0 4.0 4.7 +0.7 02 audience cards 5.0 4.3 4.7 +0.4 03 how it works 5.0 4.3 4.9 +0.6 04 comparison tbl 5.0 4.4 4.9 +0.5 05 tablet hero 5.0 4.2 4.7 +0.5 06 tablet sections 5.0 4.4 4.8 +0.4 07 mobile hero 5.0 3.4 4.6 +1.2 ← biggest 08 mobile cards 5.0 4.2 4.7 +0.5 09 mobile table 5.0 4.4 4.6 +0.2 10 320px stress 5.0 3.1 4.7 +1.6 ← biggest ────────────── ──── ──────── ───── ────────── avg 5.00 3.99 4.70 +0.71 Что конкретно помогло (тюнинг без fine-tuning)1. Sampling discipline: seed=42 + top_p=0.9 + top_k=20Детерминированный seed убрал run-to-run variance. Tighter sampling (top_p/top_k) убрал «творчество» при извлечении – extraction-задача требует discipline, не creativity.Результат: байт-идентичные скриншоты 03/04 теперь дают структурно идентичный output. Regression-тестирование стало возможным.2. Structured JSON schema + glyphs_and_iconsВыделенное поле glyphs_and_icons в схеме заставляет модель эксплицитно перечислять спецсимволы. Символ ✦ (sparkle) читался как + в 100% базовых прогонов. После добавления поля – 100% корректно в structured mode.Принцип: если модель не видит символ правильно «на автомате», заставь её назвать его явно.Что остаётся фронтируТри вещи, которые 8B-модель системно не берёт:Цветовая дифференциация. Eyebrow «FOR TEACHERS» рендерится серым (не фиолетовым) – это визуальный сигнал «на roadmap». Opus видит разницу, qwen3-vl упорно называет оба eyebrow фиолетовыми. В целом уступает в точности и мелочах.Но вот что критично: для задачи замыкания цикла тестирования это не нужно. Кодер-агенту нужно знать: «кнопка обрезана», «текст таблицы корректен», «CTA на месте». А не «какой оттенок серого у eyebrow».Итого, локальная VLM – high-recall, medium-precision экстрактор. Фронтир – low-volume, high-fidelity backstop. Оба слоя нужны, но 80% работы делает бесплатный локальный.Что дальшеСредний горизонт:Fine-tuning на размеченных парах (скриншот, ground-truth JSON) – qwen3-vl поддерживает LoRA - имеет смысл если задачи серьезные, а доступ к фронтиру или бюджет жестко ограничен.Тесты других моделей и/или использование ансамбля из двух локальных моделейВнедрение классификатора и автоматический routing: "простые" скриншоты → локально, сложные → фронтирДлинный горизонт:Мультимодальный MCP-хаб: vision + audio + document extraction в одном сервереIntegration с CI/CD: скриншот-тесты как часть pipeline, с автоматическим fallback на фронтир при низком confidenceВыводОткрытая 8B-модель, развёрнутая за 20 минут на обычном GPU, после базового промпт-тюнинга (без обучения весов!) работает на ~70% от фронтира на задаче vision-extraction для UI-скриншотов.Для 80% практических задач кодинг-агента – OCR, таблицы, кнопк...

29 апреля 16:46

29 апреля 16:42

29 апреля 16:43

29 апреля 16:33

Индонезия, Бали; Греция, Бали

29 апреля 17:01

Россия, Москва

29 апреля 17:01

29 апреля 17:12

Подписывайся, чтобы получать информацию обо всех новых клиентах в режиме реального времени!

Попробовать бесплатно