AI资讯

12月12日的凌晨，当OpenAI的“12天连续发布”活动如火如荼地进行到第五天时，谷歌在毫无预兆的情况下，带来了其新系列大模型：Gemini 2.0，而Gemini 2.0 Flash Exp，则是Gemini 2.0 系列模型中的第一个模型。 虽然没有找到准确的参数，但据了解，Flash是Gemini模型序列中，除了专为端侧开发的Nano模型外，参数最小…

12月初，OpenAI 开启了为期十二天的直播活动。而在直播的首日，OpenAI带来了推理大模型o1的完整版！据了解，o1 完整版在数学和代码能力上都有了显著提升，推理速度比之前的preview版本快了60%，并且支持多模态！ 在高难度数学题（AIME 2024）、编程能力(CodeForces)、科学问题(GPQA Diamond)等基准测试中，o1 完整…

12月6日，Meta AI推出了新开源模型Llama 3.3 70B。Meta AI副总裁Ahmad Al-Dahle在社交媒体平台发布的一篇帖子中表示，这款仅支持文本的Llama 3.3 70B模型与Meta最大型模型Llama 3.1 405B的性能相当，但运行起来更简单、更经济高效。 据了解，Llama 3.3 70B上下文长度为128K，是一款自回归…

最近，各社交媒体平台都被一种叫“毒液变身”的特效刷屏了，视频虽然仅有短短几秒钟，却通过生动的画面和动感的特效，给观众带来了强烈的视觉冲击，从而迅速吸引了大量网友的目光。甚至在某些短视频平台上，使用这一特效制作的视频获得了过万的点赞： “毒液变身”特效流行后，许多网友纷纷在线求教程，想要学习如何制作类似的视频。实际上，这些视频效果都是通过最新的视频生成模型——…

12月3日，字节跳动豆包上线了一项新功能——图片理解。官方表示，这一功能可精准识别图片内容，并对相关问题进行解答，无论是查找景点位置，还是辨认动漫人物身份，都能轻松应对。 据了解，图片理解功能的底层技术来源于豆包视觉模型——Doubao-vision-pro-32k，Doubao-vision-pro-32k 是字节跳动豆包大模型视觉团队研发的多模态基础模型…

近日，Luma Labs宣布推出两款全新图像生成模型:Luma Photon和Photon Flash，这两个图像生成模型是建立在新的突破性架构之上的，可提供超高品质的生成质量，不仅生成速度比市场上其他模型快，而且价格成本更低，为用户带来了新的视觉生成体验。 据官方介绍，在大规模双盲评估中，Luma Photon 在质量、创造力和理解力方面优于市场上的所有模…

时隔gemini-exp-1114发布仅一周，谷歌DeepMind在11月21日再次发布实验AI模型gemini-exp-1121。根据官方介绍，gemini-exp-1121在编码、推理和视觉能力都有提升。 在gemini-exp-1121发布之后，它迅速赢得了Arena榜单的冠军宝座，根据测评结果显示，除了风格控制外，其他方面都位于第一。 但在发布gem…

11月28日，由Qwen团队推出了实验性研究模型QwQ-32B-Preview，这一模型专注于增强AI推理能力，同时在数学和编程方面表现也十分出色。 阿里云通义千问团队研究发现，当模型有足够的时间思考、质疑和反思时，其对数学和编程的理解就会深化，基于此QwQ取得了解决复杂问题的突破性进展，包括： 1、在考察科学问题解决能力的GPQA评测集上，QwQ获得65.…

11月初，xAI官宣Grok API开启公测后，我们便对当时列表中唯一的模型grok-beta进行了实测，尽管grok-beta在实测中发现了了一些不足，但其整体表现还是不错的。最近，xAI的API迎来了更新，其API列表中新增了一个名为grok-vision-beta的模型。 根据xAI官方介绍，grok-vision-beta模型是其最新的图像理解模型，…

最近，302.AI工具超市的AI图片工具箱推出了一个全新的功能——添加背景文字。这一功能的灵感最初来源于苹果设备中壁纸所展现出的分层效果。 在前段时间，一位16岁的高中生也构建了一个应用叫“text-behind-image”，这款应用旨在帮助用户轻松地将文字添加到图像背景中，实现文字与背景图像的融合。在实际体验该应用后，我们发现线上版本无法使用，并且有可能…