302.AI

8月初，中文多模态大模型SuperCLUE-V基准发布8月榜单，其中腾讯混元大模型斩获国内大模型排名第一。 测评涵盖了国内外最具代表性的12个多模态理解大模型，包含4个海外模型和8个国内代表性多模态模型，评估内容包含基础能力和应用能力，以开放式问题对多模态大模型进行评估。其中，腾讯混元大模型Hunyuan-Vision凭借其卓越的多模态基础能力和出色的应用能…

近期，AI视频实时翻译引起了大众广泛关注。 随着全球化的加速和互联网的普及，尤其是在全球化和多语言交流日益频繁的背景下，用户对于AI视频实时翻译的需求越来越广泛。比如现在越来越多人把观看外语影视作品当成一种休闲娱乐方式，但对于很多用户来说，一些没有中文翻译的外语作品，就像在四六级听力考场一样，看得一头雾水，而AI视频实时翻译工具的出现能够有效帮助用户解决这一…

近期，AI语音领域的热度急剧上升，备受瞩目。 前段时间，字节跳动豆包大模型团队发布了宣称可以生成自然真实语音的Seed-TTS，Seed-TTS在官方Demo中展示了适用不同场景的语音且非常自然，引发了越来越多用户的关注，但Seed-TTS目前仅发布了技术论文，尚未对外开放使用。 而同样由字节跳动开发的语音技术产品豆包语音，是字节跳动在C端产品中应用的技术，…

8月12日，ChatGPT官方账号在社交媒体平台发文称ChatGPT推出了新的GPT-4o模型，但同时也明确，这次推出的GPT-4o模型是对GPT-4o的改进，而不是新的前沿模型。而且，ChatGPT官方表示这次的更新“难以明确说明”。 然而，这一最新的模型ChatGPT-4o-latest在LMSYS的LLM竞技场排行榜中，已经以1314的综合分数超越曾经…

8月9日，阿里通义团队发布新一代数学模型Qwen2-Math，据官方称，Qwen2-Math 是一系列基于 Qwen2 LLM 构建的专门用于数学解题的语言模型，其数学能力显著超越了开源模型，甚至超过了闭源模型（如 GPT-4o），Qwen2-Math包含1.5B、7B、72B三个参数的基础模型和指令微调模型。 在一系列数学基准评测上，Qwen2-Math-…

8月初，由Stability AI 前创始成员创立的新公司Black Forest Labs推出了图像生成模型FLUX.1，而FLUX.1模型不仅在生成效果上超越Stable Diffusion，还能与 Midjourney 直接对打。如果想了解FLUX.1模型的朋友可以翻阅小编往期作品，因为今天的主角，不止是FLUX.1。 AI领域一直被形容为“内卷王者”…

2024上海国际视觉影像产业展览会在8月7日开幕，展会吸引了来多个国家和地区。而在展会中，多个AI智能化后期领域的代表品牌云集，我们可以看到，“AI工作流”正在颠覆传统工作流。 其中，美图云修在展会现场演示了智能曝光、色彩迁移、换背景等商业摄影相关功能。而百度网盘也在展会中正式推出百度网盘AI修图。在此次展会上，可以明显观察到，无论是应用于产品图片的优化，还…

就在不久前，Stable Diffusion开源图像模型推出后，在网络上引发了热烈的讨论和广泛关注。后来，Stable Diffusion 部分创始成员创建了新公司Black Forest Labs，8月1日，Black Forest Labs推出了新研发的图像生成模型FLUX.1 。 FLUX.1 拥有12B参数，是迄今为止参数最多图像生成模型之一。该模型…

近日，国外的AI视频生成模型竞争依然在不断升温，国内的AI视频模型赛道也迎来了前所未有的“内卷”潮。 7月26日，智谱清影（Ying）AI视频生成工具正式上线，这款由智谱AI推出的视频生成工具，允许用户通过输入文本描述或上传图片，在大约30秒内生成一段6秒长的视频。 而在8月6日，智谱AI宣布清影背后的视频生成模型——CogVideoX正式开源。 或许很多人…

8月6日，OpenAI的官网悄悄上线了新版本gpt-4o-2024-08-06模型。去年的DevDay活动中，OpenAI推出了JSON模式，而这次升级的新版本在API中引入了结构化输出，这一新功能旨在确保模型生成的输出与开发人员提供的 JSON 架构完全匹配。 gpt-4o-2024-08-06采用结构化输出的新模型在复杂 JSON 模式跟踪的评估中获得了…