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!
昨天,在2023百度云智大会上,金山办公首席执行官章庆元宣布,WPS AI (ai.wps.cn)正式面向社会开放,首先应用在 WPS 智能文档中,用户可以在最新版 WPS 客户端 / APP、金山文档小程序 / 官网体验 WPS 智能文档
WPS 智能文档基于 WPS AI 技术,提供内容生成、表达优化、文档理解及处理等功能。具体而言,智能文档能够快速起草文章大纲、生成优质内容,支持对内容进行处理和优化,可依据多个文档进行归纳总结。
WPS AI 作为中国协同办公领域首个落地的生成式 AI 应用,已经接入 WPS 文字、演示、表格、PDF、金山文档等产品线,解决用户在内容生成、内容理解、指令操作等方面的办公难题。金山办公将 WPS AI 定位为大语言模型的应用方向,未来将在内容创作、智慧助手、知识洞察等战略方向上继续发展。
字节跳动的研究人员开发了一种超高清文生视频模型MagicVideo-V2。
这是一个集成了文本到图像模型、视频运动生成器、参考图像嵌入模块和帧插值模块的端到端视频生成pipeline。MagicVideo-V2能够从文本描述中生成具有高美感、高分辨率、高保真度和流畅性的视频。通过大规模用户评估,它在人类视觉感知方面表现出优秀的性能。
MagicVideo-V2的设计包括以下关键模块: - 文本到图像模型:从给定的文本提示生成一个1024×1024的图像作为视频生成的参考图像。 - 图像到视频模型:使用文本提示和生成的图像作为条件生成关键帧。 - 视频到视频模型:对关键帧进行细化和超分辨率处理,生成高分辨率视频。 - 视频帧插值模型:在关键帧之间插值生成平滑的视频运动,并最终生成高分辨率、流畅、高美感的视频。
论文地址:https://arxiv.org/abs/2401.04468 项目地址:https://magicvideov2.github.io/
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?
3月17日,特斯拉首席执行官(CEO)马斯克的AI创企xAI正式发布3140亿参数的混合专家模型Grok-1。xAI官方网站称,其遵照Apache 2.0协议开放模型权重和架构。
我给大家整理一下重点:
- 开源声明:xAI宣布其大模型Grok-1开源,并遵循Apache 2.0协议,模型权重和架构已在GitHub上公开。 - 模型规模:Grok-1是一个拥有3140亿参数的混合专家模型,成为目前参数量最大的开源大语言模型,超过了OpenAI GPT-3.5的1750亿参数。 - Grok-1的特点:Grok-1被描述为一个能够回答任何问题的AI,具有机智和叛逆的特点。它将用于自然语言处理任务,包括问答、信息检索、创意写作和编码辅助。 - 性能评估:Grok-1在HumanEval编码任务和MMLU中显示出强劲的性能,超过了包括ChatGPT-3.5和Inflection-1在内的所有其它模型。 - 社区反响:开源后,Grok-1在GitHub上迅速获得了9600星标,显示出社区的高度关注和支持。
另外,我个人觉得马斯克这项壮举对行业的影响也是巨大的,以下是一些个人见解:
1. 技术创新的加速:Grok-1的开源可能会加速AI技术的创新。由于模型权重和架构的开放,研究人员和开发者可以自由地访问、修改和扩展这个模型,从而推动新的研究和应用的开发。 2. 知识共享与协作:开源模型鼓励全球范围内的开发者和研究者共同参与到模型的改进和优化中来,促进知识共享和技术交流,有助于提升整个行业的技术水平。 3. 商业竞争格局变化:Grok-1的开源可能会改变现有的商业竞争格局,尤其是对OpenAI等其他AI研究机构和企业构成挑战。这可能会促使其他公司也采取更加开放的策略,以保持竞争力。 4. 安全性和伦理问题:开源AI模型也引发了关于安全性和伦理的讨论。一方面,开源可以增加技术的透明度,有助于发现和解决潜在的安全问题;另一方面,也可能增加模型被滥用的风险。 5. 教育和培训机会:Grok-1的开源为教育和培训提供了新的资源。学生和自学者可以直接访问和学习最先进的AI模型,这对于培养下一代AI人才具有重要意义。 6. 应用开发的多样性:开源模型使得个人和小型企业也能够利用先进的AI技术,这可能会导致更多创新的应用和服务的出现,增加市场的多样性。 7. 对开源与闭源的辩论:Grok-1的开源可能会加剧关于开源与闭源哪种模式更有利于AI发展的辩论。这将影响未来AI研究和商业化的路径选择。
大家对此有些什么看法,也可以评论区讨论哦~ 更多详细内容,可以看看 xAI官网!
哈哈,我发现了一个超级逗趣的AI小游戏,《换你来当爹》!这游戏太神奇了,剧情和图片都是AI根据LLM的情节现场打造的,玩得时候简直像是在看好莱坞大片,效果炸裂,比起那些人工制作的游戏也毫不逊色!
但这游戏的卖点,可不仅仅是高质量哦!最厉害的是,它的剧情可以无穷无尽,你的“好大儿”的成长道路总是千变万化,绝不重复。想象一下,你可以把那个总惹麻烦的室友、脚臭得能让人昏厥的发小,还有那个一天到晚放屁的同桌,统统收入麾下,变成你的“乖儿子”。通过你的悉心“调教”,他们会眼泪汪汪地喊出:“爸爸,您辛苦了!”是不是感觉人生巅峰就在此刻?
别忘了,你也要像个真正的老爸一样对他们的行为作出回应。是请他们吃“竹笋炒肉”,还是温柔地讲道理,都会影响他们的“孝顺值”。游戏结束时,还有一份超详细的“生涯统计”等你查收,看看你的“育儿”成果如何。
我猜,这种寓教于乐、互动满满的游戏方式,说不定就是陪伴式AI的下一个大热门。更多的玩法,更低的上手和消费难度,这不就是我们梦寐以求的娱乐体验吗?赶紧来试试,看你能不能成为“最佳虚拟老爸”!
这里领取你的孝子,来了都是爹: https://lipu.badiya.cn/
天气预报每天都在看,但大多数画面无非是城市名、天气图标和温度数字,看久了难免有点普通。 这次我换了个思路,把「城市地标+当天气象」组合成一套微缩 3D 天气海报。北京、广州、深圳、成都、重庆和杭州,每座城市都保留了最有辨识度的建筑与景观,再让雨水、云雾、阳光和城市环境真正发生互动。
详细提示词如下:
==================== 可修改参数区 ====================
CITY_NAME_NATIVE = "上海" CITY_NAME_ENGLISH = "Shanghai"
MAIN_LANDMARK = "东方明珠广播电视塔" SUPPORTING_LANDMARKS = "上海中心大厦、金茂大厦、上海环球金融中心、外滩万国建筑群" CITY_GEOGRAPHY = "黄浦江以柔和的S形穿过城市,连接浦东现代天际线与外滩历史建筑群"
WEATHER_CONDITION = "多云" WEATHER_ICON = "简洁、立体的多云天气图标" WEATHER_INTEGRATION = "浅灰蓝云层围绕高楼分布,柔和阳光从云隙落下,玻璃幕墙和黄浦江出现细腻反光,远处带轻微湿润薄雾"
DATE_TEXT = "7月20日" TEMPERATURE_TEXT = "28–35°C"
BACKGROUND_AND_PALETTE = "淡雾蓝灰色纯色背景,搭配银灰、浅蓝、暖米色和少量柔和绿色"
==================== 固定提示词区 ====================
Create a polished vertical 9:16 isometric miniature 3D cartoon weather poster for the city specified in the editable parameter section above.
Use a precise orthographic camera with a clear 45-degree top-down view. Do not use fisheye perspective. The miniature city should occupy the lower 70% of the canvas, leaving a clean, spacious upper 30% for weather information. Use a centered, unified composition with no frame, no horizon and no visible platform border.
Build a compact, recognizable city scene. Use MAIN_LANDMARK as the central visual anchor. Arrange SUPPORTING_LANDMARKS around it as secondary elements. Integrate CITY_GEOGRAPHY into the composition so the city’s terrain, river, coastline, bridges, streets or vertical structure feel authentic and easy to recognize.
Keep every landmark delicately modeled, architecturally recognizable and visually balanced. Do not include building names, commercial logos or signs.
Represent WEATHER_CONDITION throughout the entire scene. Use WEATHER_INTEGRATION to make the weather interact naturally with buildings, roads, vegetation and water. The weather must affect the environment instead of appearing only as a decorative icon.
Keep the atmosphere immersive, fresh, soothing and clearly readable. Do not let clouds, fog, rain, sunlight or other effects obscure the main landmarks.
Use refined miniature cartoon proportions, premium high-detail 3D modeling and realistic PBR materials. Include soft ambient occlusion, delicate reflections, clean edges and gentle lifelike lighting and shadows.
Use BACKGROUND_AND_PALETTE as the main color direction. Keep the overall visual style clean, modern, fresh, slightly playful and consistent with a premium editorial weather-card series.
At the top center, display only the following information in this exact order:
1. CITY_NAME_NATIVE — very large, bold and highly legible Chinese sans-serif text 2. WEATHER_ICON — a prominent three-dimensional weather icon directly below the city name 3. DATE_TEXT — x-small but clearly legible 4. WEATHER_CONDITION — small and clearly legible 5. TEMPERATURE_TEXT — medium, bold and clearly legible
Use a clean Chinese sans-serif style similar to Source Han Sans. Correct Chinese characters and numbers are a top priority.
Use the exact parameter values as the visible text. Do not display variable names, parameter labels, quotation marks or instructions in the final image. Do not translate, paraphrase, duplicate or add any text.
The weather information must have no panel or background and may subtly overlap the highest buildings while remaining unobstructed.
No English text, no extra labels, no random letters, no misspelled Chinese, no duplicate typography, no watermark, no logo, no QR code, no border, no photorealistic city photography, no fisheye distortion, no clutter, no excessive buildings and no weather effects obscuring the landmarks.
英伟达(NVIDIA)在2024年GTC大会上宣布的下一代人工智能超级计算机以及发布的最强AI加速卡——Blackwell GB200。
这款加速卡采用了新一代AI图形处理器架构Blackwell,由两个B200 Blackwell GPU和一个基于Arm的Grace CPU组成。黄仁勋在GTC大会上提到,尽管Hopper架构已经非常出色,但市场需要更强大的GPU。
以下是大会纪要: - 产品发布:英伟达发布了Blackwell GB200,这是一款新一代的AI加速卡,旨在大幅提升人工智能相关的计算性能。 - 性能提升:Blackwell GPU的AI性能可达20petaflops,而前代H100的性能为4petaflops。这意味着Blackwell GPU在AI性能上有显著提升。 - 技术规格:Blackwell GPU采用台积电的4纳米工艺制造,包含2080亿个晶体管,通过NVLink 5.0技术连接两个独立制造的裸晶(Die)。 - 性能对比:英伟达表示,GB200包含两个B200 Blackwell GPU和一个基于Arm的Grace CPU,其推理大语言模型性能比H100提升30倍,成本和能耗降至25分之一。 - 企业应用:英伟达提供成品服务,包括GB200NVL72服务器,该服务器配备了36个CPU和72个Blackwell GPU,以及一体化水冷散热方案,能够提供总计720petaflops的AI训练性能或1,440petaflops的推理性能。 - 市场合作:亚马逊、谷歌、微软和甲骨文等公司计划在其云服务产品中提供NVL72机架。亚马逊AWS已计划采购由2万片GB200芯片组建的服务器集群。