/
一手实测豆包新发布的视觉理解大模型，他们真的卷起飞了。
当你来到这个世界睁开眼睛的第一刻，没有学会语言的时候，靠的就是你的眼睛。 我们先看到光影、颜色，才逐渐分辨出父母的面孔，屋子的空间，那时没有词汇、没有句子，只有模糊的光影与轮廓。
Google全新发布AI视频Veo2、AI绘图Imagen3 - 何以凌越。
当今最先进的AI视频模型Veo 2，还有AI绘图模型Imagen 3改进版。AI视频Veo 2的效果，真的让我有点想欢呼，甚至，有点像2月16号那个宿命的一夜，看Sora的感觉。
体操运动，是所有AI视频最残酷的图灵测试。
我们得聊聊体操运动有多难。一个标准的体操动作，比如后空翻加转体720度，看起来只有短短两秒钟，但这两秒钟里，有大概三重对于AI来说非常地狱的难点。
微信公众号悄悄上线AI音色克隆，微信的一小步，却是AI的一大步。
AI音频的东西，在收到一些身边亲近人的语音的时候会产生一些警惕，但是我们家里的老人呢？他们很多人对现在的AI并不是很了解，一旦AI音色克隆放开，很容易就是骗子拿着你4、5秒的音频去发给你的爷爷奶奶舅舅舅妈，骗取他们的信任。
我终于把我新买的iPhone16 Pro，接入了国产AI，实现AI自由。
当初其实在看苹果发布会的时候，除了Siri2.0之外，还是有一个场景很打动我的，就是右下角的那个相机控制按钮，可以直接唤醒苹果的多模态AI，实现拍照问一切。
体验完百度世界2024上的iRAG，我觉得AI绘图也可以没有幻觉了。
本质上，他是不是大模型按照自己的知识库回答，然后先通过一些工程化手段，比如联网搜索，比如文档搜索等等，先把相关信息给找出来，让大模型根据这些信息来进行回答。
智谱AI上线4K60帧"新清影"，还要直接开源，我觉得他们疯了。
现在智谱直接接力，直接开源了他们内部效果最好的AI视频模型。智谱的新清影，跟上一代比，已经进步巨大了。不管是审美、还是动作幅度、还是物理规律、还是稳定程度。
专访"Prompt之神"李继刚 - 我想用20年时间，给世界留一句话。
然后就他写着写着，Prompt就越写越长。因为他发现，原来是可以把思考结构给封装进去的，他之前读了大量的这种工具书，脑子里全是各种各样的方法论，随便掏一个，就能咣咣咣咣大量的写。
智谱AI的AutoGLM后，Google和微软也下场来做“贾维斯”了。
谷歌准备推出接管计算机的人工智能。上周三Claude、周五智谱AI、周末Google，然后微软。短短一周内，已经有四个公司爆出来要发布类似的产品了，其中三个已经悄悄发布产品：Anthropic的Claude，智谱的AutoGLM和微软的OmniParser。这些产品的能力有目共睹。
Runway的这个新功能，想要彻底颠覆动捕行业。
Runway发布了Act-One功能，允许用户上传视频以驱动角色模仿面部表情。传统动画和动捕相比，Act-One大幅降低了制作复杂度和成本，仅需上传视频和图片，短时间内即可生成视频。Act-One不仅稳定性高，还能适用于不同风格的角色，对动画行业具有革命性影响，为创作者提供了更多可能性。
我用AI 3D，终于实现了我的手办自由。
坦率的讲，要是两年前，我肯定得自己去徒手建模了。但是如今，让我自己再去建模那肯定不可能，C4D和Blender我打开都不想打开，作为一个AI博主，要是再回去手工建模，那简直就是就回到原始人了。
加强版Claude3.5正式上线，一句话操控电脑的时代真的要来了。
Claude 3.5 Sonnet和Haiku模型升级，引入新功能“计算机操控”。升级版Sonnet在性能上领先，具备编程能力和解决问题的实际能力。Haiku模型性价比高，击败大参数模型。新功能“计算机控制”允许模型执行在线任务，如浏览、点击和输入，模拟人与计算机互动。尽管目前功能仅对开发者开放，Anthropic相信模型将更好地融入日常生活，提升人机交互体验。
智谱AI悄悄发布AutoGLM，这一次，贾维斯真的要成现实了。
我直接放一个视频，你就可以，直观的体会一下他的强悍。比如，我对AutoGLM说：“我29号要去一趟深圳，你帮我定个罗湖地铁站附近的酒店，预算600元以内，大床房。”
一句废话就把OpenAI o1干崩了？大模型的推理能力还真挺脆弱的。
保持提示词简单直接：模型擅长理解和相应简单、清晰的指令，而不需要大量的指导。 当时我对这一条的理解，觉得是为了让o1模型更好的理解我的要求，同时可以加快模型的处理速度，因为模型不需要花费额外的时间去解析复杂的语句。
这两个AI，让你的国庆出行没有废片。
文章介绍了即梦AI的智能画布工具，它能够帮助用户在国庆出游时，通过AI消除和AI扩图功能，轻松修复照片中的路人和不完美的构图。即梦AI提供简单易用的网页版操作，而美图秀秀则提供了移动端的相似功能。作者推荐这些工具，希望能为读者的国庆旅游照片处理提供便利。
字节全新发布豆包AI视频模型 - 再见了Sora，你的时代过去了。
字节正式发布了他们全新的两款AI视频模型：豆包视频生成-PixelDance模型和Seaweed模型。
詹姆斯 · 卡梅隆官宣加入Stability AI，好莱坞要向AI投降了。
毕竟好莱坞都抵制AI这么久了，又是罢工又是抗议的，你大厂怎么直接下场表示支持AI了？不过那句话怎么说来着，孤掌难鸣，毕竟这一个单独的Case，还没有办法让那么多的反对者倒戈。但是今天，作为好莱坞电影人的精神图腾，詹姆斯·卡梅隆居然也跟AI走到了一起，甚至还不是发言表达，而是直接身体力行亲身参与这股革命浪潮中。
OpenAI全新发布o1模型 - 我们正式迈入了下一个时代。
OpenAI发布了新的AI模型OpenAI o1，它在复杂推理任务上取得显著进展，重置了命名序列。o1模型通过Self-play RL学习，具备了慢思考的特质，能够进行深度思考和推理。在AIME 2024数学竞赛和科学问题GPQA Diamond上，o1的表现超过了人类专家。o1模型已向ChatGPT Plus和Team用户开放，提供o1预览版和o1 mini两种版本，API价格不等。
她决定开源AI模型，正面宣战“N号房2.0”。
一起用身边的熟人作乐，甚至是威胁，还以AI视频+公开受害女性身份、家庭住址为理由，向受害人索要钱财。 这一次，最大的受害者群体，是学生。
Google发布Gemma 2 2B和Gemini 1.5 Pro，FLUX开源图像的新标杆，这就是这周的AI大新闻。
本周AI大事件包括Google发布Gemini 1.5 Pro和Gemma 2 2B模型，FLUX开源图像模型，Meta发布SAM 2图像分割模型。Gemini 1.5 Pro在LLM竞技场排名第一，支持音频和视频，Gemma 2 2B可在设备端运行。FLUX系列模型包括FLUX.1[pro]、FLUX.1[dev]和FLUX.1[schnell]，
京公网安备 11010802021500号
