Zdecentralizowany Model Dyfuzji Wideo: Przełom Paris 2.0

Od czerwca 2026 Paris 2.0 od Bagel Labs dostarcza pierwszy w pełni zdecentralizowany model dyfuzji wideo. Wydany 25 maja na arXiv, zmniejsza Fréchet Video Distance o połowę — z 561 do 279 — przy identycznych budżetach. Wyniki CLIP i estetyka również rosną. Nie. Scentralizowane klastry nie mają już korony. O to chodzi: heterogeniczne GPU w sieci radzą sobie z obciążeniem. Nie jest wymagane ogromne centrum danych. Twórcy zyskują realistyczny ruch bez sprzętu enterprise. Słowo kluczowe, którego wszyscy szukają — zdecentralizowany model dyfuzji wideo — właśnie dostało najsilniejszy dowód.

Szaleństwo. Standardowa dyfuzja ma problemy z dryftem między klatkami w dużych scenach. Paris 2.0 dzieli pracę. Modele ekspertów specjalizują się w wzorcach ruchu. Lekki routing decyduje, który ekspert obsługuje każdy krok czasowy. Trening działa asynchronicznie na niezgodnym sprzęcie. Nie potrzeba klastra o wysokiej przepustowości. Efekt: płynniejsze sekwencje, mniej błędów. Spójrz, to podejście omija zwykły koszt synchronizacji. Spójność temporalna poprawia się, ponieważ specjalizacja zawsze pokonuje skalowanie brute-force.

Szybsza iteracja. Niższe bariery. Lepsza anatomia i spójność póz. Dynamiczne prompty wreszcie działają. Ciała poruszają się naturalnie. Interakcje pozostają spójne między klatkami. Postępy takie jak zdecentralizowana dyfuzja wideo Paris 2.0 bezpośrednio napędzają bardziej dostępne, wyższej jakości generatory filmów AI dla dorosłych — dostarczając płynniejszy ruch, lepszą spójność anatomii i realistyczną dynamikę scen bez potrzeby infrastruktury na skalę enterprise. Szczerze, stara centralizowana hype zawsze ignorowała realne ograniczenia. To odwraca sytuację.

Wagi są dostępne na Hugging Face. Każdy może je pobrać i uruchomić. Zamknięte laboratoria blokują wszystko za API. Paris 2.0 przekazuje pipeline społeczności. O to chodzi: replikacja i fine-tuning stają się możliwe dla mniejszych zespołów. Bez gatekeeperów. Zwrot akcji: otwarte zdecentralizowane modele niszczą przewagę szybciej, niż jakakolwiek prezentacja z benchmarkami przewidywała.