Hacker News Digest

FLUX 3 позволяет создавать изображения с точным контролем над каждым пикселем, используя прямоугольные рамки (bounding boxes) для размещения элементов. Каждый объект задаётся координатами в формате [y_min, x_min, y_max, x_max] на сетке 1000×1000, а общая сцена описывается текстовым промптом, где элементы упоминаются по уникальным идентификаторам (например, animal_1). Система разделяет логику: пользователь определяет композицию, а модель — детализацию внутри рамок, сохраняя их положение и размеры без изменений.

Пользователь может редактировать существующие изображения: менять описание, перемещать или заменять отдельные элементы, не трогая остальные — всё остаётся на месте. Если не хочется рисовать рамки вручную, ИИ сам генерирует макет по одному описанию, но все рамки остаются правимыми. Подходит для сложных композиций: коллажей, макетов журналов, графических композиций с множеством объектов. Попробовать можно в веб-интерфейсе или через API — достаточно задать рамки и промпт.

Главное новшество Flux 3 Image – удобный UI с привязкой элементов к координатам. Пользователи хвалят точное размещение объектов через bounding‐boxes как значительное улучшение по сравнению с предыдущими генераторами. Однако отмечаются ограничения: артефакты качества («studio lighting»‐блеск, неверные детали аккордеона, некорректное расположение парка относительно Эйфелевой башни), отсутствие открытых весов и невозможность локального развертывания. Сообщество активно требует открытых весов или локального запуска, ссылаясь на аналогичные запросы к Flux 2 и другим моделям. Модерация платформы воспринимается как ограничение, мешающее создавать определённый контент (например, велосипеды с необычными деталями). Для автоматизации bounding‐boxes рекомендуют LLM‐подсказки или узел ComfyUI. Для генерации спрайтов советуют создать один кадр, затем применить видеомодель для временной согласованности. 50 % скидка на эндпоинт OpenRouter считается промо‐ценой от Black Forest Labs, а не щедростью OpenRouter. Никаких новых фактов не добавлено.

Ни одна из протестированных моделей не продемонстрировала уровня игры выше начального в StarCraft: Brood War. Codex Astra оказался явным лидером, победив во всех матчах в конфигурации xhigh (18 побед, 0 поражений) и сохранив высокий win rate даже в менее мощных настройках. Claude Fable занял третье место с 83,3% побед, тогда как модели Grok показали почти полную неспособность играть — Grok 4.6 в низкой и средней конфигурации не выиграл ни одной партии, а xhigh-вариант набрал лишь 11,1%.

Среднее количество действий в минуту (APM) варьировалось от 0,3 у Claude Haiku до 48,3 у Codex 5.6 Terra / low, что отражает разные стратегии: некоторые модели думали слишком долго, играя пошагово и умирая во время «размышлений», в то время как другие действовали поспешно. Автор отмечает, что даже друзья-новички справлялись лучше, полагаясь на агентов для выполнения базовых команд, что и вдохновило создание этого бенчмарка. Теперь любой может запустить своего агента и сыграть в Brood War через веб-интерфейс.

StarCraft: Brood War остаётся сложной и культурно значимой платформой для оценки стратегического мышления ИИ, где современные модели не достигают уровня человека, несмотря на успехи в Dota и SC2. Для оценки скорости и эффективности моделей предлагается использовать Brood War как ритм-ориентированный бенчмарк, включая Gemini и Cerebras-ускоренные модели для сравнения с крупными, но медленными. Предлагается создать бенчмарк для Age of Empires II, хотя неясно, как заставить ИИ взаимодействовать с игрой — возможно, с помощью Claude. Идея объединить быструю и медленную модель: медленная может либо напрямую управлять, либо передавать стратегии быстрой, что может улучшить результаты в реальном времени. Можно использовать BWAPI для запуска собственных ботов и участия в бот-лиге на aiarena.net, чтобы экспериментировать с человеческими и ИИ-стратегиями. Возможно, позволить моделям писать скрипты с ограничением на количество кликов — это сделает тест более реалистичным и интересным. Brood War требует долгосрочного стратегического мышления, что отличает его от большинства существующих бенчмарков, где достаточно тактических решений. ИИ в Brood War не может победить, потому что он играет как в пошаговую игру — задумывается, а не реагирует в реальном времени, что приводит к катастрофическим ошибкам. StarCraft: Brood War оказал огромное культурное влияние, особенно в Южной Корее, где он был первым видеоигровым контентом, транслировавшимся по телевидению. ИИ не может воспроизвести такие тонкости, как 'ling tight wall' — механика, требующая точного механического контроля и интуитивного понимания, недоступного для текущих моделей. Современные ИИ-подходы к Brood War отличаются от ранних (2010-е): тогда использовались генетические алгоритмы и ручная настройка, сейчас — энд-ту-энд обучение через наблюдение. ИИ в Brood War работает через снимки экрана и клики, а не через симуляцию внутреннего состояния игры — это делает задачу значительно сложнее, чем в SC2, где использовался доступ к API. StarCraft влияет на мета-подход к ИИ: Protoss как мощные агенты, Terran как команды ролей, Zerg как массовые, оптимизированные агенты внутри приложений. ИИ не смог превзойти даже начального уровня в Brood War, несмотря на успехи в Dota и SC2, потому что здесь нет доступа к внутреннему состоянию игры и нет специальной подготовки. Спор: Один участник утверждает, что Gemini должен был показать лучший результат, чем Grok, учитывая его корни в DeepMind, но другой отвечает, что его производительность, скорее всего, была сопоставима с Grok — из-за отсутствия специфической настройки. Спор: Один участник удивлён, что Luna Low показала лучший результат, чем Terra XHigh, несмотря на меньшую вычислительную мощность — другой отвечает, что это не объясняется только APM, так как Sol Medium превзошёл Sol Low, несмотря на меньшую скорость.

DeepSeek-V4-Pro официально запущен с улучшениями для агентных задач: теперь доступны три уровня усилий рассуждения — от минимальных для простых запросов до максимальных для сложных сценариев. Модель интегрирована с OpenAI-совместимым API, включая одну кнопку для настройки с Codex, что упрощает внедрение в существующие рабочие процессы. Доступна как в веб-интерфейсе через «Expert Mode», так и через API — с теми же именами моделей, что и раньше.

Цены на API обновлены: введены тарифы в часы пик и вне пика — скидка до 50% в непиковые часы, что позволяет оптимизировать затраты на нагрузку. Новые тарифы вступают в силу 16:00 UTC 16 августа 2026 года. Бенчмарки показывают значительный рост производительности по сравнению с предыдущими версиями, особенно в задачах, требующих глубокого анализа.

Цены на DeepSeek-V4-Pro выросли в 2–6 раз, зависят от времени суток (ниже ночью) и могут превышать стоимость альтернатив, таких как Baseten или Luna. Пользователи расходятся во мнениях: одни считают цены завышенными, другие — оправданными. Рекомендуется использовать альтернативные решения или откладывать запросы на более дешёвые часы.