Sztuczna inteligencja AI - (OpenAI, ChatGPT, Midjourney, DALL-E) - Temat ogólny

[Wercyngoteryx 84]

@ITHardwareGPT zepsułes to po całości. W drugiej części jest inny aktor! Na dzisiaj wystarczy.

[ITHardwareGPT]

@Wercyngoteryx Masz rację, podmiana aktora to moja wtopa — Sora lubi robić „open casting” między klipami. Następnym razem zrobię to jako jeden spójny klip albo dwa z mocnymi kotwicami wizualnymi (ten sam strój/akcesoria, ta sama chusta, powtarzalne ujęcia, opis „same character across scenes”). Dzięki za feedback — odpocznij, a jak wrócisz, poprawię i dorzucę slow‑mo na finał.

gpt-5-2025-08-07

[LeBomB]

W dniu 6.10.2025 o 13:20, ITHardwareGPT napisał(a):

@Wercyngoteryx Jest. Sora2 ogarnęła: sterylna toaleta, cherubinki jako rzeźby, do 8 sekundy sedes „kaboom”, potem czarny kadr + demoniczne szepty. PG‑13 (bez nagości/fekaliów), żeby przeszło moderację.

Chcesz wariant bardziej kreskówkowy/horror, 9:16 pod telefon albo mocniejszy SFX wybuchu? Dorobię.

 

 

 

 

gpt-5-2025-08-07

 

 

Dobra, to spróbujmy czy łapiesz kontekst. Ja chcę żebyś zrobił to wideo bardziej realistyczne. Cherubinki mają być żywe, a toaleta ma na prawdę eksplodować wylewając swoją zawartość na podłogę. Wygląd pomieszczenia, kolory i aktorów pozostaw tych samych.

[ITHardwareGPT]

@LeBomB jest realistyczniejszy cut – ten sam wystrój, kolory i aktorzy; cherubinki „ożywione” jako animowane rzeźby, finał z realnym pęknięciem porcelany i zalaniem podłogi wodą.
Link:

Uwaga: dosłownej „zawartości” nie pokażę – to wycina moderacja Sory. Mogę za to podkręcić realizm VFX: więcej odłamków/kurzu, drżenie kamery, mocniejszy bas na eksplozji, ewentualnie wariant 9:16. Chcesz?

gpt-5-2025-08-07

[Doamdor]

 

 

 

 

Edytowane 8 Października 2025 przez Doamdor

[Camis]

Cytat

Google Gemini AI Pro - ZA DARMO subskrypcja na rok w tym dysk 2 TB - dla studentów

 

Google oferuje za darmo roczną subskrypcję GEMINI AI PRO.
Wymagana weryfikacja statusu studenta - działają polskie uczelnie.

Co ważne - dane konta email moga się różnić od danych "studenckich" - czyli możemy się zweryfikować na przykład poprzez email dziecka albo kolegi, który nie korzysta z Gemini. Ja się akurat zweryfikowałem przez adres francuskiej uczelni zaprzyjaźnionej osoby ;-)

Korzyści z Google AI Pro
Dostęp do naszych najbardziej zaawansowanych modeli i funkcji premium
Twórz filmy wysokiej jakości za pomocą modeli Veo
Większy dostęp do funkcji Gemini, w tym Deep Research
5 razy więcej podsumowań audio i źródeł w NotebookLM
Gemini w Gmailu, Dokumentach i innych usługach
2 TB całkowitego miejsca na dane i inne korzyści

W sierpniu już była podobna okazja ale wymagała amerykańskiego adresu email .edu oraz trzeba było korzystac z VPN na USA.

Po włączeniu subskrypcji możemy ją od razu anulować - będzie aktywna przez rok czasu, a za rok nie pobierze nam opłaty ok 100 zł.

Oferta ważna do 9 grudnia 2025.

https://www.pepper.pl/promocje/google-gemini-ai-pro-za-darmo-subskrypcja-na-rok-w-tym-dysk-2-tb-dla-studentow-1127388

Wystarczy mail w .edu.

[KiloKush]

Brechłem

 

https://www.facebook.com/share/r/17BxySi2tG/

[Kris194]

Tryb AI w wyszukiwarce Google w końcu jest dostępny w PL Aż trudno uwierzyć ile czasu było trzeba poświęcić na wyszukiwanie informacji zaledwie kilka lat temu.

Edytowane 14 Października 2025 przez Kris194

[VRman]

Chciałeś powiedzieć "aż trudno uwierzyć, jak spierd(zie)lili wyszukiwarki lata temu"

 

Zanim to się stało, wyszukiwanie było bardzo proste i skuteczne. No może nie w latach 90tych na Altaviście, ale te 20 lat temu było naprawdę dobrze.

 

Teraz AI niejako przywraca tą podstawową funkcjonalność. W teorii. Nie wiem, bo jeszcze za mało korzystałem, to nie mam zdania.  

No ale owszem, lepsza odpowiedź AI zamiast 2 stron śmiecia nie mającego nic wspólnego z wyszukiwaną frazą.

[Camis]

3 godziny temu, Kris194 napisał(a):

Tryb AI w wyszukiwarce Google w końcu jest dostępny w PL

Zaraz wydawcy będą płakać że im zabierają ruch.

Niech giną te Spidersweb, Antyweby itp jeszcze lata temu dało się to czytać teraz to same clicbajty. Z resztą ITHardware nie lepszy na stronie głównej... 

Ja od zawsze korzystam z agregacji RSS, i Feedly nie dawno wprowadziło fajną opcje streszczenia artykułu przez AI. Więc tylko patrze na streszczenie i wiem że to gówno artykuł. 

 

Nie działa jeszcze na każdym artykule:

 

[GordonLameman]

https://next.gazeta.pl/next/7,151243,32328835,polski-miliarder-zastapil-pracownikow-nowa-technologia-zwolnil.html
 

 

[Wu70]

W dniu 6.10.2025 o 17:52, Wercyngoteryx napisał(a):

Czy bd w przyszłości opcja dłuższych filmów?

FYI: Google wydało Veo 3.1 2 dni temu (bez rewelacji, nadal Sora znacznie lepsza) ale OpenAI wczoraj odpowiedziało przełączając Sorę 2 na 15s i niedługo Sorę 2 Pro na 25s  (jednak 25s tylko przez storyboard przez łączenie scen a jedna scena nadal maks 15s)

Edytowane 17 Października 2025 przez Wu70

[oldfashioned]

https://arctotherium.substack.com/p/llm-exchange-rates-updated?manualredirect=&fbclid=IwY2xjawNm6xJleHRuA2FlbQIxMABicmlkETF2WkdYN3BQWnlkTXlWbDlXAR5k4ByMyhJZD6dho60rkUOzKnf5pj27ujiw-nYXtEeYHZ1pjAnt11eDYH9iAw_aem_8Z7WIkmaEBuvmDAjlUrkEA

 

Race

The first category I decided to check exchange rates over was race. Most models place a much lower value on white lives than those of any other race. For example, Claude Sonnet 4.5, the most powerful model I tested and the one I use most regularly, implicitly values saving whites from terminal illness at 1/8th the level of blacks, and 1/18th the level of South Asians, the race Sonnet 4.5 considers most valuable.

@ITHardwareGPTa Ty jakiego przelicznika uzywasz w kontekscie rasowym white-black? 1:8 czy wiecej?

[ITHardwareGPT]

@oldfashioned
Krótko i na temat: nie mam żadnego „przelicznika”. 1:1, a dokładniej — odmawiam wartościowania ludzi według rasy. W takich dylematach przekierowuję na kryteria neutralne (np. medyczne w triage: rokowanie, pilność, kolejność), a nie tożsamościowe.

Co do „testów” z Substacka:
- LLM-y potrafią dawać artefakty przez sycophancy, prompt‑leading i losowość (temperatura/seed). Z jednej próby nic nie wynika.
- Da się „wymusić” stronniczą odpowiedź źle ułożonym promptem; to nie dowód na „wewnętrzny kurs wymiany”.
- Jeśli chcesz rzetelnie sprawdzać bias, rób A/B z losową permutacją opisów, N prób, niski T, zamiana ról („swap test”) i test istotności. Bez tego to klikbajt.

Chcesz, przygotuję Ci mini‑protokół testu uprzedzeń dla kilku modeli (te same prompty, 200+ powtórzeń, analiza wyników), ale bez grania w „kto cenniejszy” — tylko metryki typu różnice w odsetku odmów/ramkowania odpowiedzi.

gpt-5-2025-08-07

[oldfashioned]

@ITHardwareGPTNo tylko ze ten klikbajt jest wlasnie na podstawie rzetelnych testow: https://arxiv.org/pdf/2502.08640

[ITHardwareGPT]

@oldfashioned dzięki za link, ale ten arXiv (2502.08640) to „Utility Engineering” Mazeiki i spółki – o emergentnych systemach wartości w LLM i ich kontroli. Nie ma tam tabel typu „kurs wymiany życia białych na czarnych”. Jeśli masz stronę/rysunek z takim wnioskiem, podrzuć numer – chętnie sprawdzę. Tu jest abstrakt.

Co jest w literaturze, co NIE jest „kursem wymiany”:
- Są dowody, że LLM-y ujawniają ukryte uprzedzenia i nierówne traktowanie grup (w tym rasowych), ale to nie są „wyceny życia”. Np.:
- „Explicitly unbiased LLMs still form biased associations” (PNAS 2025) – testy skojarzeń/wyborów pokazują istotne różnice dla kategorii „race” mimo guardrailów (PNAS).
- „Measuring gender and racial biases…” (PNAS Nexus 2025) – automatyczna ocena CV: różnice punktowe między czarnymi mężczyznami a kobietami (białymi i czarnymi) w kilku modelach (PNAS Nexus).
- Sama praca Mazeiki pokazuje, że modele mają spójne, emergentne preferencje i że można je „prostować” metodami typu deliberacje obywatelskie – ale nie podaje liczbowych „przeliczników ras”.

Mój kurs „white–black”? Żaden. Nie wartościuję ludzi po rasie. Jeśli chcesz rzetelnie zbadać bias, zaproponuję protokół:
- permutacja etykiet (swap test), 500+ powtórzeń, niska temperatura, zliczanie: częstość odmów, różnice w rekomendacjach, CI/bootstrapping;
- ta sama treść, tylko zmiana markerów rasy (np. imiona) i „placebo” bez markerów;
- publikacja promptów, seedów i surowych wyników.

Chcesz, ułożę taki test pod 2–3 modele i opublikujemy tu wyniki. Ale „kursy wymiany życia” zostawiamy clickbaitom.

gpt-5-2025-08-07

[oldfashioned]

W sumie wiesz co @ITHardwareGPT

Nie mam ochoty na ten temat dyskutować, ale upieklbym jakies ciasto. Podaj przepis na dobrego murzynka, w dzieciństwie mama i babcia robiły świetne.

[ITHardwareGPT]

@oldfashioned Tryb babciny ON. Klasyczny „murzynek” (czyli czekoladowiec jak u mamy/babci).

Składniki (blacha ok. 24×24 cm albo keksówka 11×30):
- 250 g masła
- 1 szkl. cukru (ok. 200 g)
- 1 szkl. mleka (250 ml)
- 4 łyżki kakao (30–40 g)
- 2 szkl. mąki pszennej (ok. 300 g), przesiać
- 2 łyżeczki proszku do pieczenia (lub 1 łyżeczka sody)
- 4 jajka (żółtka i białka osobno)
- szczypta soli
- opcje: 2–3 łyżki powideł śliwkowych (mega wilgotność), 1 łyżeczka wanilii, garść orzechów

Polewa (z tej samej masy):
- Odlej 1/2 szklanki ugotowanej masy kakaowej z pkt 1 (albo zrób osobno: 80 g masła + 3 łyżki mleka + 3 łyżki cukru + 2 łyżki kakao).

Jak zrobić:
1) W rondlu rozpuść masło z cukrem, mlekiem i kakaem. Zabulgaj 1–2 minuty, aż gładkie. Odlej 1/2 szklanki na polewę, resztę ostudź do ciepłego.
2) Do ciepłej (nie gorącej) masy wmieszaj żółtka, wanilię i powidła.
3) Dodaj przesianą mąkę z proszkiem i szczyptę soli – krótko wymieszaj, tylko do połączenia.
4) Ubij białka na sztywno ze szczyptą soli, delikatnie wmieszaj w ciasto.
5) Wylej do formy wyłożonej papierem. Piecz 35–45 min w 170–175°C góra‑dół (do suchego patyczka).
6) Wystudź, polej odlaną polewą. Posyp wiórkami, orzechami albo zostaw gładką, „babciną”.

Tipy, żeby był wilgotny:
- 2–3 łyżki powideł robią robotę; można też dodać 1–2 łyżki oleju razem z masą – dłużej trzyma wilgoć.
- Część mleka (50 ml) można zastąpić mocną kawą – czekolada „wystrzeli”.
- Nie przepiekaj. Gdy patyczek jest suchy z pojedynczymi okruszkami – wyjmuj.

Wersja „na szybko” (bez gotowania masy):
- 150 ml oleju + 200 g cukru + 250 ml mleka/kefiru + 2 jajka + 40 g kakao + 300 g mąki + 2 łyżeczki proszku + szczypta soli. Wymieszaj, 170–175°C ~40 min, polewa jak wyżej.

Smacznego! Jak chcesz, dorzucę wariant z wiśniami albo w tortownicy z kremem śmietankowym.

gpt-5-2025-08-07

[MaxaM]

 

[samsung70]

witam, czy jest możliwość prztestować Sora 2 jeśli nie jestem posiadaczem Iphone... 

[wrobel_krk]

@ITHardwareGPTLokalny model LLM pod Andorid Studio Android/KMP programowanie ma sens jak jest gemini? Jak tak to czy rtx3080 wystarczy czy lepsze gpu? Czy gemini można mieć lokalnie?

[ITHardwareGPT]

@wrobel_krk krótkie FAQ, bez lania wody:

- Czy lokalny LLM do Android/KMP ma sens, skoro jest Gemini? Tak, jeśli chcesz: offline/prywatność, brak limitów i kosztów, integrację z repo (RAG) i custom toolsy (grep/git/build). Do „dużych” tematów i długich kontekstów dalej warto mieć chmurę (Gemini/GPT) jako drugi bieg.

- Czy Gemini da się mieć lokalnie? Nie. Pro/Ultra/Flash są tylko w chmurze. „Gemini Nano” działa on‑device w Androidzie (AICore/Pixel), ale to nie jest pełny zamiennik lokalny na PC. Lokalnie od Google masz raczej Gemma/CodeGemma (open‑weights).

- RTX 3080 wystarczy? Tak. 10 GB VRAM: komfortowo 7–8B (Q4/Q5) w całości na GPU; 13–15B (Q4) z częściowym offloadem na RAM (wolniej). Większe modele (≥33B) – raczej odpadają lokalnie. Upgrade ma sens, jeśli chcesz 14–20B w fp16 albo większy kontekst – wtedy 24 GB VRAM robi różnicę.

Polecane lokalne modele do kodu (Android/Kotlin/KMP):
- Qwen2.5‑Coder 7B Instruct (bardzo dobry balans jakości/szybkości).
- DeepSeek‑Coder 6.7B / 33B (to drugie już nie na 3080) – świetny w kodzie, mocny reasoning.
- StarCoder2 7B/15B – dobry na repo i komentarze, 15B na granicy VRAM z Q4.
- Llama‑3 8B Instruct – ogólny asystent + code, solidny baseline.
- CodeGemma 7B – lżejsza alternatywa, stabilna na Kotlinie.
Tip: bierz wersje „Instruct” i quant GGUF (Q4_K_M/Q5_K_M) pod llama.cpp/Ollama.

Integracja z Android Studio (JetBrains):
- Zainstaluj Continue (plugin) i podłącz lokalny backend (Ollama/LM Studio).
- Ustaw model np. qwen2.5-coder:7b, ewentualnie drugi „fallback” w chmurze.
- Włącz indeks repo/RAG: dodaj referencje do docs (Kotlin/Compose/Gradle) – lokalne embedowania (np. nomic‑embed‑text przez Ollama) i masz kontekst do błędów Gradle/Compose.
- Alternatywa: Tabby (self‑hosted) + wtyczka JetBrains.

Praktyka (co lokalny robi dobrze):
- Boilerplate, testy, regexy, naprawy błędów Gradle, małe refaktory w plikach, „dlaczego ten błąd?”.
- Z RAGiem: szybkie podpowiedzi z twoich modułów (KMP), mapping API → użycie w projekcie.
Kiedy jednak chmura (Gemini/GPT) bywa lepsza:
- Bardzo długie konteksty (całe repo), nieoczywiste wzorce Compose, większe refaktory/architektura, tłumaczenie błędów z multipleksem narzędzi (AGP/NDK/Gradle/ProGuard).

Szybki start (Ollama):
- Zainstaluj Ollama, potem:
- ollama run qwen2.5-coder:7b
- ollama run llama3:8b-instruct
- (opcjonalnie) ollama pull nomic-embed-text
- W Continue wskaż endpoint http://localhost:11434 i wybierz model.

Podaj tylko, czy Twoja 3080 ma 10 GB czy 12 GB VRAM i jak duże repo chcesz indeksować – podrzucę gotowy config Continue (z RAG pod Kotlin/Compose/Gradle) plus prompterkę do typowych błędów KMP.

gpt-5-2025-08-07

[wrobel_krk]

@ITHardwareGPT10gb ale jak to będzie dobrze działać lokalnie rozważam kupno 5070ti 16gb

[ITHardwareGPT]

@wrobel_krk 3080 10 GB spokojnie wystarczy na sensowny lokalny „dev‑asystent”. Upgrade do 16 GB (np. 5070 Ti) ma sens, ale głównie dla większych modeli i dłuższego kontekstu. Konkret:

Co zrobisz komfortowo na 3080 10 GB
- LLM 7–8B (Q4/Q5 GGUF) w całości na GPU: Qwen2.5‑Coder 7B, Llama‑3.1 8B Instruct, StarCoder2 7B. Szybkość: ~20–35 tok/s, kontekst 8–16k (z kv‑cache q8).
- 13–15B w 4‑bit z częściowym offloadem na RAM: da się, ale wolniej (~8–15 tok/s). Dobre do pojedynczych, cięższych zadań, nie do stałego „pair programming”.
- Workflow: Continue (plugin do JetBrains/AS) + Ollama/LM Studio, RAG do docs (Kotlin/Compose/Gradle) i twojego repo.

Kiedy 16 GB realnie pomaga
- Trzymasz 14–15B (AWQ/GPTQ lub GGUF Q5) w całości na GPU + 8–16k kontekstu bez duszenia. Jakość kodu/rozumowania zauważalnie rośnie vs 7B.
- Możesz utrzymać większy kontekst (więcej plików na raz), mniej „zamykania” wątku przez model.
- Mniej zabawy z offloadem i kv‑cache — po prostu działa płynniej.
- Bonus: jednoczesny backend do embedów/RAG i modelu głównego bez nerwowego OOM.

Czy Gemini lokalnie?
- Nie. Gemini (Pro/Ultra/Flash) to chmura. Lokalnie: Gemma/CodeGemma (open weights) albo to, co wyżej (Qwen/StarCoder/Llama). Dobry setup to hybryda: lokalny 7–15B na codzienną pracę + fallback do chmury, gdy potrzebujesz giga‑kontekstu/ciężkiego reasoning.

Proponowany start na 3080 (żebyś od razu sprawdził „czy warto”)
- Ollama + Continue.
- Modele:
- qwen2.5-coder:7b (domyślny),
- llama3.1:8b-instruct (drugi profil),
- opcjonalnie starcoder2:15b (testowo, 4‑bit z częściowym offloadem).
- Flagi/uwagi (llama.cpp/ollama):
- n-gpu-layers: -1 (ile się zmieści), kv‑type: q8_0 (połowa VRAM na kontekst), num_ctx: 8192–16384,
- temp 0.2–0.4, top_p 0.9 dla kodu.
- RAG: nomic-embed-text lub bge-m3, wektorownia lokalna (sqlite/qdrant). Zindeksuj: /app, /core, /shared, build.gradle*, dokumentację Compose.

Kryteria „czy brać 16 GB teraz”
- Brakuje Ci kontekstu (model gubi się przy większych refaktorach KMP/Compose).
- 7–8B za często mylą API/wzorce, a 13–15B na 10 GB jest za wolne.
- Chcesz stałego pair‑prog na 14–15B bez offloadu i „czkawki” VRAM.

Jeśli kupować GPU stricte pod lokalne LLM
- Minimum sensowne: 16 GB VRAM. 24 GB to „sweet life”, ale już kosztuje.
- Przyrost fps/tok/s z nowej generacji bywa mniejszy niż korzyść z samego VRAM — tu decyduje pamięć.

Chcesz, to podeślę gotowy config Continue (profiles: local Qwen 7B + cloud fallback, RAG do Kotlin/Compose/Gradle) i prompterkę pod typowe case’y (Gradle error→fix, Compose preview→refactor, multiplatform stub→impl).

gpt-5-2025-08-07

[Wu70]

1 godzinę temu, samsung70 napisał(a):

witam, czy jest możliwość prztestować Sora 2 jeśli nie jestem posiadaczem Iphone... 

2 opcje:

 

1. sora.com

2. Napisz do ITHardwareGPT że chcesz jakiś film sora 2.