- 提示理解能力更强：对文字与图像提示的理解更准确。 - 图像质量显著提升：纹理更精美，人物、手部、物体的细节一致性更高。 - 默认启用模型个性化：用户需花约 5 分钟解锁，之后可随时启用或关闭。 - 个性化作用：更准确捕捉用户审美与需求。
“旗舰功能：草稿模式（Draft Mode） •成本降低：草稿模式运行成本为普通 V6 模式的一半。 •速度提升：渲染速度是普通模式的 10 倍。 •实时互动：因其响应极快，使用草稿模式时提示栏会切换为“对话模式”。 •用户可以直接输入如“将猫换成猫头鹰”或“设置为夜晚”，系统自动调整提示并启动新渲染。 •语音模式集成：点击“草稿模式”后可启用麦克风，进行语音输入，实现“边想边画”的体验。
草稿模式的用途 •创意迭代的利器：非常适合快速尝试创意与提示组合。 •草图风格输出：图像质量低于标准渲染，但在风格与结构上保持一致，适合快速实验。 •可手动指定草稿模式：在提示后添加 --draft 可显式启动草稿渲染。
后续操作 •喜欢某个草图？点击“增强”或“变化”，系统将以全质量重新渲染。
昨晚 OpenAI 发布了 GPT-4o 后，压力就给到了 Google I/O ，现在给我说 OpenAI 不是故意的，我都不信！
这场发布会体现了 Google 在 AI 领域的深厚技术积累和对未来技术趋势的洞察，同时也表明了 Google 将 AI 技术深度融合到其产品生态中的决心。
以下是发布会的一些重点概述：
发布会要点： 1、Google Search AI：发布了 AI Overviews，加强版 AI 搜索概要功能，多步推理能力上架。 2、Gemini 大模型：Gemini 1.5 Flash（100 万上下文）；Gemini Pro（200 万上下文）。 3、Gemma 大模型：发布开源多模态大模型 Pali Gemma 和 Gemma2。 4、AI in Google Workspace：用 Gemini 的能力和 Side Panel 的形式，将 Google 系列产品串在一起。 5、Gemini App：手机版的 Gemini 应用程序，即将支持和 AI 视频对话，近几周发布。 6、Project Astra：最新的多模态 AI 项目，包含 Imagen3、 Music AI Sandbox 和 Veo 等针对图像、音乐、视频的生成式 AI。
更多关于2024 谷歌I/O大会 的介绍及点评，大家可以看看这篇文章，总结的非常详细：Google I/O 2024
近日，谷歌的全新人工智能模型 Gemini 1.0 引起了广泛的关注。Gemini 到底是个什么样的模型，为什么说比 GPT-4 强呢？
Gemini 是谷歌推出的一种大型语言模型。它是谷歌迄今为止规模最大、能力最强的人工智能模型，具有原生多模态能力，能够同时处理文本、图像和音频等多种信息。
Gemini 的训练数据集包括1.6万亿个参数，是之前的 GPT-3 的两倍。它能够理解和生成自然语言，并能够从文本、图像和音频中提取信息。
Gemini 还能够进行多种任务，包括： 生成文本、翻译语言、编写不同类型的创意内容等。 理解和回答问题，包括开放式、挑战性的和奇怪的问题。 从文本、图像和音频中提取信息，并进行分析。
第一步：AI提炼大纲内容 1. 先把相关的文件或文本内容发给AI，让它帮我们提炼出主要内容呀。 2. 记得要求AI以Markdown形式输出哦。这里给大家推荐几个好用的AI工具，DeepSeek、Kimi、ChatGPT、Claude、豆包等等都可以用呢。输出指令可以很简单，只要求输出为Markdown列表格式就行；也可以提更详细的要求，比如主标题设为文章核心主题，二级标题不超过5个关键模块，三级标题展示具体细节等，这样生成的大纲会更符合我们制作思维导图的需求哦
第二步：新建txt文档导出.md 1. 在桌面新建一个文本文档，然后把AI输出的内容复制到这个文档里。 2. 点击文件-另存为，把文件名后缀修改为.md ，这样就得到了我们后续导入思维导图软件所需的文件格式啦。
第三步：生成思维导图 3. 打开Xmind软件，在左上角选择文件-导入-MarkDown。 4. 接着选中上一步保存好的.md后缀文件进行导入。 5. 稍等片刻，思维导图就生成好啦，你可以根据自己的喜好将其导出为图片或者文档格式保存哦。
教程by：阿靖AI笔记
太震撼了啊，没等到GPT-5，却迎来了 OpenAI 新旗舰模型GPT-4o！
5月14日凌晨，GPT-4o 在 OpenAI 官网正式发布了，GPT-4o是一个多模态模型，能够处理视频、音频和文本数据，具有实时推理的能力。它能够执行多种任务，包括实时翻译、唱歌、做数学题和讲笑话等。GPT-4o的语音响应时间非常短，平均响应时间为320毫秒，并且在MMLU评测中创下了88.7%的新高分，超过了其他市面上的大模型。
这是正儿八经的原生多模态，更重要的是可以实时推理音频、视觉和文本，注意这里是实时，实时，实时，推理的不是文本，是音频！视觉！
某种程度上，AGI 已然成为现实，我们即将迎来一个新的时代啊！
看到 Niji 发布的预告来演示局部重绘（inpaint）的效果，是 Midjourney 即将发布局部重绘功能，对于MJ的AI绘画最头痛就是生成一张图片，如果只有细节不满意就要重新抽卡生成，这样导致很多不可控的效果出来而且浪费时间，而即将推出的Inpainting（局部重绘）功能就很好解决这个问题。
这个新功能就像 PS 的AI一样，只需要涂抹一个区域，然后加入关键词就能重新绘制或替换这个区域。至少再也不用担心出现 3 只手，6 根手指头的情况了。有没有小伙伴有内部的消息，Midjourney AI 创意局部重绘功能什么时候能上线啊？
卷起来了，前不久阿里云推出了首个“AI程序员”。能够一站式自主完成任务分解、代码编写、测试、问题修复和代码提交等整个过程，能够在分钟级时间内完成应用开发。 近日，字节跳动推出了一款名为豆包 MarsCode 的智能开发工具，面向国内开发者免费开放。
核心功能： 1、提供智能代码补全、Bug修复、单元测试生成等AI功能。 2、支持多种编程语言和主流IDE。
云端集成开发环境（Cloud IDE）：豆包MarsCode包含AI原生的云端IDE，无需配置复杂环境，直接在浏览器中进行编程和调试。 支持语言：支持C、C++、C#、Go、JavaScript、Java、Node.js、Rust、TypeScript等多种编程语言。 开发模板：提供多种开发环境和模板，减少环境配置时间。 原生AI能力：具备代码自动补全与生成、问题修复、代码优化等功能。
主要特点： 1、开箱即用，简化环境配置。 2、云端IDE，随时随地开发。 3、弹性云端资源，不受本地资源限制。
主要功能： - 编程助手和Cloud IDE：提供代码编写提议、代码补全、Lint错误修复等。 - 项目问答功能：针对需求开发、Bug修复、开源项目学习等场景提供支持。
更多介绍可以访问豆包 MarsCode官网！
