

¿Qué está sucediendo en el Discord de $RENDER? ¿Qué se está discutiendo actualmente en los canales? Vamos a profundizar 🧵👇🏻👇🏻👇🏻🧵 🧵 general @tokai_spy pregunta dónde obtener consejos para su propio “restir engine”, pero la herramienta/producto exacto y el canal de soporte pretendido no están claros. ⭕️ @tokai_spy preguntó qué “canal” es el lugar adecuado para recibir orientación sobre su propio “restir engine”. No se proporcionó ninguna respuesta del equipo ni detalles técnicos en los mensajes actuales, por lo que probablemente se necesite primero una aclaración sobre la redirección. ❗ Enfoque para el equipo: aclarar qué significa @tokai_spy con “restir engine” y dirigirlos al canal correcto de soporte/ayuda para asesoramiento técnico.

En respuesta a una pregunta sobre agentes autónomos que crean escenas en Blender y cuánto tiempo tardará la IA en completar una serie sin interacción humana: "Claude 3.7 ya puede hacer eso, pero las escenas no son excelentes. Al alimentarlas en vtv + el primer fotograma como referencia de estilo, se pueden obtener resultados prometedores. Hoy en día, esto aún no está listo para producción, pero es un paso importante hacia allá. Veo una gran utilidad inmediata una vez que Luma, ltx, wan y otros logren hacer funcionar completamente el v2v; entonces podremos pasar la salida de fotogramas de trabajos de renderizado a este proceso para trabajo de postproducción / composición en 2.5d con control artístico total y todos los beneficios del trazado de rayos." @JulesUrbach 13.03.25 $RENDER

¿Qué está pasando en el Discord de $RENDER? ¿Qué se está discutiendo actualmente en los canales? Vamos a profundizar 🧵👇🏻👇🏻👇🏻🧵 🧵 general La expansión de Render desde el renderizado GPU hacia la computación AI se presenta como un posible segundo motor de demanda más allá de los artistas 3D. ⭕️ @psalmist0919 preguntó a @530441868945653771 si las cargas de trabajo de AI podrían llegar a ser tan importantes para Render como el renderizado mismo. El punto central: pasar del renderizado GPU tradicional a la computación AI podría abrir la red a una base de clientes más amplia más allá de los artistas 3D. Contexto histórico: esta pregunta se alinea con discusiones previas de la red sobre la expansión de la demanda de cómputo. El miembro del equipo Sunny compartió previamente RNP-019, que proponía expandir las emisiones y recompensas para incluir computación AI y cargas de trabajo generales más allá del renderizado. Recientemente, la miembra del equipo Silvia presentó RNP-021, que construye sobre esa dirección al proponer el soporte para GPUs de nivel empresarial como las NVIDIA H100/H200 y la serie AMD MI300 para entrenamiento de AI, generación de video y modelos de imágenes a gran escala. ❗ Enfoque del equipo: aclarar cómo Render espera equilibrar la demanda entre las cargas de trabajo actuales de 3D/renderizado y la futura computación AI/general, incluyendo qué métricas mostrarán si las cargas de trabajo de AI se convierten en un motor principal de uso de la red.

Los NeRFs son un formato intermedio muy importante que intersecta el espacio latente (IA) y el espacio de trazado de rayos, pero el objetivo es convertir NeRF en un modelo de grafo de escena completo (malla, volumen o, más útil, SDF/Vectron) para una composibilidad y velocidad totales; pero con la renderización neural en la hoja de ruta, también planeamos renderizar NeRF y objetos generados por IA directamente sin ninguna conversión, para poder aplicar efectos y operadores de IA: es muy similar a cómo hemos hecho Vectron (SDF), que son shaders de código puro para mallas, volúmenes y operadores de composición de grafo de escena: los nodos de renderización neural funcionarán de manera muy similar. @JulesUrbach 18.11.22 $RENDER

¿Qué está pasando en el Discord de $RENDER? ¿Qué se está discutiendo actualmente en los canales? Vamos a profundizar 🧵👇🏻👇🏻👇🏻🧵 🧵 rnp-024-forth Tensión central: frustración por la lenta ejecución del RNP frente a un intento de mejorar la velocidad de implementación de esta propuesta. ⭕️ @a28z expresó preocupación de que la implementación del RNP aún podría estar a “otros 2–3 años”, calificando el ritmo actual como ridículo y diciendo que los RNPs “toman una eternidad”. La preocupación concreta no es sobre el contenido de RNP-024 en sí, sino sobre el plazo entre gobernanza e implementación, y si los cambios aprobados realmente se lanzan lo suficientemente rápido. ⭕️ @rshea respondió que están “tratando de cambiar eso con esto”, posicionando a RNP-024 como un intento de abordar el problema de los retrasos en lugar de repetirlo. Contexto relevante: @rshea ya ha planteado preocupaciones más amplias sobre los plazos de Render y las funciones de red retrasadas, incluyendo en discusiones anteriores de RNP, por lo que esta respuesta encaja en un esfuerzo de larga data por plazos más realistas y una mayor concentración en la ejecución. ❗ Enfoque para el equipo: aclarar qué cambios operaionalmente introduce RNP-024 para reducir los retrasos en la implementación, quién es responsable de la ejecución tras la aprobación, y si existe un plazo objetivo o calendario de hitos más allá del temido período de 2–3 años.
