11.11云上盛惠！海量产品 · 轻松上云！云服务器首年1.8折起，买1年送3个月！超值优惠，性能稳定，让您的云端之旅更加畅享。快来腾讯云选购吧！
腾讯云
12-20
OpenAI正在计划一款基于其ChatGPT聊天机器人的大型产品全新的搜索引擎。前Mila研究员、麻省理工讲师LiorS爆料称：OpenAI即将向谷歌搜索发起挑战，这是谷歌迄今为止面临的最严重威胁。我的意思是，问题在于我们是否可以创建一个比谷歌更好的搜索引擎，如果是，我们应该去做。
OpenAI首席执行官SamAltman近日表达了对GPT-2语言模型的喜爱之情，尽管他此前批评了早期模型，但他对即将推出的GPT-5充满期待。Altman在社交平台上承认，他“确实对GPT-2有一种软肋”。以上是OpenAIGPT模型的发展历程，展示了从GPT-1到即将推出的GPT-5各个版本的功能特点和改进之处。
从下周开始，硅谷科技巨头将开启新一轮的AI大战。OpenAI、谷歌、苹果都将押注AI助手，并发布一系列重磅更新，你准备好了?新一轮AI大战，即将拉开序幕!下周一，OpenAI将开启线上直播，官宣GPT-4升级，甚至还有一个超级「AI助手」等着我们。未来的AI语音助手形态如何，又会怎样影响我们的生活?这个问题的答案正在不断接近我们。
【新智元导读】从下周开始，硅谷科技巨头将开启新一轮的AI大战。OpenAI、谷歌、苹果都将押注AI助手，并发布一系列重磅更新，你准备好了?新一轮AI大战，即将拉开序幕!下周一，OpenAI将开启线上直播，官宣GPT-4升级，甚至还有一个超级「AI助手」等着我们。未来的AI语音助手形态如何，又会怎样影响我们的生活?这个问题的答案正在不断接近我们。
谷歌母公司Alphabet的CEOSundarPichai在接受BC采访时表示，如果谷歌发现由微软支持的OpenAI利用YouTube内容来训练能够生成视频的人工智模型，谷歌将采取行动来解决这个问题。这一表态是在OpenAI技术负责人MiraMurati今年3月接受《华尔街日报》采访时表示，她不确定YouTube视频是否是该公司今年早些时候推出的S模型的训练数据的一部分之后发表的。Pichai表示:“我们对如何处理它有明确的认识，我们做得很好。
苹果已经从AppStore中移除了三款被宣传为“艺术生成器”的应用程序，这些应用在Instagram和成人网站上宣传自己可以“免费脱掉任何女孩的衣服”。这些应用利用人工智能生成虚假的裸体图像，虽然图像并不显示实际的裸体，但这些应用可以生成可能被用于骚扰、勒索和侵犯隐私的图像。苹果一直致力于建立负责任的人工智能发展声誉，甚至还专门购买道德许可的训练数据。
人工智能公司OpenAI近日表示，他们正在研发一款名为媒体管理的工具，旨在让内容创作者更好地控制其作品在生成式人工智能训练中的使用。这一工具将允许创作者和内容所有者向OpenAI确认其作品，并指定希望这些作品是否包含在AI研究和训练中。芝哥大学的Nightshade项目则通过“毒害”图像数据，使其对AI模型训练无效或具有破坏性。
在人工智能领域，微软正准备推出自己的全新AI大模型「MAI-1」，以加入谷歌和OpenAI等科技巨头的激烈竞争中。这一消息表明，微软正加大在AI领域的投入，以推动其AI技术的发展和应用。随着AI技术的不断进步，MAI-1有望在多个领域发挥重要作用，从搜索引擎优化到个人助理，再到复杂的数据分析等。
【新智元导读】为了搞钱，微软、OpenAI、谷歌和Meta纷纷瞄准Agent这片蓝海，各顶尖高校也紧随其后。Agent才是商业学术两开花的未来!大模型发展至今早已火成了一个「概念」。这种结构允许直观地将复杂的行为拼凑在一起，从增强了用户可访问性和系统灵活性。
苹果近年来从谷歌挖走了多名员工，以扩大其全球人工智能和机器学习团队。图源备注：图片由AI生成，图片授权服务商Midjourney自2018年任命JohnGiannrea为首席AI执行官以来，苹果已至少吸引了36位专从谷歌加盟。文章还提到了苹果在AI领域与竞争对手进行竞争的新计划。
打标助手是基于GPT4-Vision开发的一个在线工具，它通过微调prompt实现批量图片文字标注，为基于SD模型的训练提供数据支持。该工具的主要优点在于其免费性、批量处理能力和高效的标注准确性，特别适合需要大量图片标注的科研和商业用户。
Gemma 2是下一代谷歌Gemma模型，拥有27亿参数，提供与Llama 3 70B相当的性能，但模型大小仅为其一半。它在NVIDIA的GPU上运行优化，或在Vertex AI上的单个TPU主机上高效运行，降低了部署成本，使更广泛的用户能够访问和使用。Gemma 2还提供了强大的调优工具链，支持云解决方案和社区工具，如Google Cloud和Axolotl，以及与Hugging Face和NVIDIA TensorRT-LLM的无缝合作伙伴集成。
Gemini 1.5 Flash是Google DeepMind团队推出的最新AI模型，它通过'蒸馏'过程从更大的1.5 Pro模型中提炼出核心知识和技能，以更小、更高效的模型形式提供服务。该模型在多模态推理、长文本处理、聊天应用、图像和视频字幕生成、长文档和表格数据提取等方面表现出色。它的重要性在于为需要低延迟和低成本服务的应用提供了解决方案，同时保持了高质量的输出。
Imagen 3 是谷歌一个先进的文本到图像的生成模型，它能够生成具有极高细节水平和逼真效果的图像，并且相较于之前的模型，其视觉干扰元素显著减少。该模型对自然语言的理解更为深入，能够更好地把握提示背后的意图，并从更长的提示中提取细节。此外，Imagen 3 在渲染文本方面表现出色，为个性化生日信息、演示文稿标题幻灯片等提供了新的可能性。
Veo是Google最新推出的视频生成模型，能够生成高质量的1080p分辨率视频，支持多种电影和视觉风格。它通过先进的自然语言和视觉语义理解，能够精确捕捉用户创意愿景，生成与提示语调一致且细节丰富的视频内容。Veo模型提供前所未有的创意控制水平，理解电影术语如“延时摄影”或“航拍景观”，创造出连贯一致的画面，使人物、动物和物体在镜头中逼真地移动。
PaliGemma是Google发布的一款先进的视觉语言模型，它结合了图像编码器SigLIP和文本解码器Gemma-2B，能够理解图像和文本，并通过联合训练实现图像和文本的交互理解。该模型专为特定的下游任务设计，如图像描述、视觉问答、分割等，是研究和开发领域的重要工具。
lluminous是一个快速、轻量级的开源聊天界面，支持多供应商API密钥，提供完整的隐私保护，所有对话历史和密钥都存储在本地。它支持多模态输入、多轮对话提示、预填充响应、模型切换以及对话分享等功能。
CuMo是一种多模态大型语言模型（LLMs）的扩展架构，它通过在视觉编码器和MLP连接器中融入稀疏的Top-K门控专家混合（MoE）块，提高了模型的可扩展性，同时在推理时几乎不增加激活参数。CuMo在预训练MLP块后，初始化MoE块中的每个专家，并在视觉指令调整阶段使用辅助损失以确保专家的均衡负载。CuMo在各种VQA和视觉指令遵循基准测试中超越了其他同类模型，且完全基于开源数据集进行训练。
混元-DiT是腾讯推出的首个中英双语DiT架构的人工智能模型，专注于中文元素理解，具备长文本理解能力和细粒度语义理解。该模型能够分析和理解长篇文本中的信息，并生成相应的艺术作品，包括但不限于人物写真、创意创作等。混元-DiT的推出，对于提升中文文本理解的深度和广度，以及促进中英双语交流具有重要意义。
GPT-4o（'o'代表'omni'）是自然人机交互的重要一步，它可以接受任意组合的文本、音频、图像和视频输入，并生成任意组合的文本、音频和图像输出。它在音频输入响应上的速度极快，平均响应时间仅为320毫秒，与人类对话的响应时间相近。在非英语文本处理上取得了显著进步，同时在API上速度更快且成本降低了50%。GPT-4o在视觉和音频理解方面也比现有模型更出色。
AutoGroq是一个AI驱动的对话助手，旨在通过自动生成专家代理来彻底改变用户与AI工具的互动方式。它克服了现有解决方案的局限性，提供了一个用户友好、强大且无需配置的体验。该平台专注于通过自动生成专门针对任何问题的专家代理，无论问题的复杂性如何，提供即时和相关的帮助。
OpenGlass是一款可穿戴眼镜，它能够记录用户的生活，并提供有帮助的总结和建议。这款眼镜可以针对不同的使用场景进行定制，适合追求个性化体验和生活记录的用户。它结合了最新的硬件技术和软件开发，为用户带来全新的交互体验。
Refuel LLM-2 是一款为数据标注、清洗和丰富而设计的先进语言模型。它在约30种数据标注任务的基准测试中超越了所有现有的最先进语言模型，包括GPT-4-Turbo、Claude-3-Opus和Gemini-1.5-Pro。Refuel LLM-2 旨在提高数据团队的工作效率，减少在数据清洗、规范化、标注等前期工作上的手动劳动，从而更快地实现数据的商业价值。
Aloe是由HPAI开发的一款医疗领域的语言模型，基于Meta Llama 3 8B模型进行优化。它通过模型融合和先进的提示策略，达到了与其规模相匹配的最先进水平。Aloe在伦理和事实性指标上得分较高，这得益于红队和对齐工作的结合。该模型提供了医疗特定的风险评估，以促进这些系统的安全使用和部署。
FunClip是一款完全开源、本地部署的自动化视频剪辑工具，通过调用阿里巴巴通义实验室开源的FunASR Paraformer系列模型进行视频的语音识别，随后用户可以自由选择识别结果中的文本片段或说话人，点击裁剪按钮即可获取对应片段的视频。FunClip集成了阿里巴巴开源的工业级模型Paraformer-Large，是当前识别效果最优的开源中文ASR模型之一，并且能够一体化的准确预测时间戳。
FilmAction 是一款一站式 AI 电影制作平台，通过 AI 技术革新创作流程，使艺术创作更简单。它提供脚本、分镜、视频和旁白的一键生成，支持模拟胶片风格，适用于奇幻片等不同类型的电影创作。FilmAction 还可以生成配乐和合成成片，方便创作者进行后期制作。它的优点是节省时间和精力，提供丰富的创作工具和资源，以及强大的 AI 技术支持。
Voicenotes 是一款智能语音笔记应用，它允许用户记录新想法、家庭时刻、会议要点、播客收获等任何内容。用户可以要求AI回顾过去的笔记或头脑风暴新想法，因为AI具有完美的记忆力。该应用支持创建摘要、待办事项列表、博客文章等，提供智能建议，并支持50多种语言。它即将在智能手表上推出，承诺对隐私、持久性和美观的承诺。
Yi-1.5是零一万物一款文本生成模型，它利用最新的人工智能技术，能够生成流畅、连贯且多样化的文本。该模型特别适合于需要大量文本创作的领域，如内容创作、新闻撰写、社交媒体管理等。它的优势在于能够快速生成高质量的文本，提高工作效率，同时降低人力成本。
Junia AI是一个强大的AI工具，帮助用户创建在搜索引擎上排名高的文章和数字内容。它结合了AI和SEO工具，提供性能功能和安全的AI营销。Junia AI的主要优点是帮助用户优化内容创作，从而提高搜索引擎排名，并提供有竞争力的AI营销功能。它的背景信息是在AI技术的支持下，Junia AI能够分析搜索引擎算法并为用户提供有效的SEO建议。Junia AI的定位是为个人用户和团队提供一种简单而有效的方式来创造具有竞争力的内容并获得更多的流量和曝光。
Ai Course Creator是一个使用AI技术简化在线课程创建过程的工具。它可以帮助您快速生成互动课程，并提供全面的课程大纲和课程内容。它的主要优点是节省时间和精力，使课程创建变得简单而高效。无论是初次创建课程还是多次创建，Ai Course Creator都能帮助您与学生建立真正的连接。
