谷歌正在计划如何利用即将推出的大型语言模型系列 Gemini 来取代 ChatGPT。截至目前，OpenAI 大语言模型在 AI 竞赛中一直处于领先地位。而强劲优势的背后，离不开微软庞大数据中心基础设施的有力支持。但 ChatGPT 的主导地位恐怕无法长久持续下去，因为新的、更强大的 AI 模型正不
......
本文由站长之家合作伙伴自媒体作者“InfoQ公众号”授权发布于站长之家平台，本平台仅提供信息索引服务。由于内容发布时间超过平台更新维护时间，为了保证文章信息的及时性，内容观点的准确性，平台将不提供完全的内容展现，本页面内容仅为平台搜索索引使用。需阅读完整内容的用户，请查看原文，获取内容详情。
（举报）
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
4月18日，2024中国生成式AI大会上李未可科技正式发布为眼镜等未来终端定向优化等自研WAKE-AI多模态大模型，具备文本生成、语言理解、图像识别及视频生成等多模态交互能力。该大模型围绕GPS轨迹视觉语音打造新一代LLM-Based的自然交互，同时多模态问答技术的加持，能实现所见即所问、所问即所得的精准服务。李未可科技合伙人&AI负责人古鉴表示WAKE-AI将逐步开放平台能力，便于更多企业及开发者调用WAKE-AI能力，共建AI硬件生态。
谷歌的研究人员最近推出了一款名为VLOGGER的多模态扩散模型，能够自动生成带语音、丰富动作的人物视频。用户只需向VLOGGER输入图像和语音，就可以获得逼真的视频效果。VLOGGER的推出为虚拟数字人的制作提供了更便捷、高效的解决方案，同时也在多模态视频生成领域取得了重要的技术突破。
Grok-1.5VisionPreview是X.AI公司推出的首个多模态模型。除了强大的文本处理能力，Grok还能处理各种视觉信息，如文档、图表、截图和照片等。点击前往Grok-1.5VisionPreview官网体验入口需求人群：辅助决策分析内容生成工作效率提升使用场景示例：使用Grok-1.5V分析复杂的商业报告，快速提取关键数据和见解利用Grok-1.5V自动生成项目计划草稿，并优化资源分配通过Grok-1.5V理解工厂设备使用说明，提高维修效率产品特色：多学科推理文档理解图表解读现实世界理解图像处理掌握Grok-1.5VisionPreview，体验多模态AI的强大功能和无限潜力。
MetaAI近日推出了一种名为MA-LMM的新型模型，旨在解决长期视频理解中的挑战。LLMs在处理文本数据时表现出了令人印象深刻的能力，但在处理视频输入方面存在一些限制，例如上下文长度限制和GPU内存限制。其创新性的设计以及利用长期记忆库和顺序处理的方法使得该模型能够在各种复杂场景下取得显著成果，证明了其在多模态视频理解应用中的有效性和多功能性。
RekaCore是一款最新发布的多模态大型语言模型，其性能可与GPT-4相媲美，甚至在某些方面超越了现有的前沿模型。这一技术突破为人工智能领域带来了新的里程碑，特别是在图像、视频和音频的上下文理解能力方面。随着Core的进一步优化和应用，我们有理由相信，它将在多个领域产生深远的影响，推动人工智能技术的进步和社会的发展。
中国香港中文大学和SmartMore的研究人员推出了一种名为Mini-Gemini的新颖框架，通过增强多模态输入处理来推动VLMs的发展。Mini-Gemini采用了双编码器系统和一种新颖的补丁信息挖掘技术，结合一个特别策划的高质量数据集，使其能够有效处理高分辨率图像并生成内容丰富的视觉和文本内容，从使其脱颖出。正如研究人员所承认的那样，Mini-Gemini在视觉理解和推理能力方面仍有改进�
冒泡鸭AI 是基于自研多模态大模型开发的AI互动平台，提供拟人、工具、内容、游戏、娱乐等多个领域的海量智能体。平台具有超长的上下文记忆能力和实时联网搜索能力，能够深度理解用户意图，并提供即时、准确、个性化的回复和选择。用户还可以定制个性化的AI智能体，以满足个性化的需求和偏好。点击前往冒泡鸭AI官网体验入口谁适合使用冒泡鸭AI？冒泡鸭AI适用于寻求�
MiniGPT4-Video是什么？MiniGPT4-Video是为视频理解设计的多模态大模型，能处理时态视觉数据和文本数据，配标题、宣传语，适用于视频问答。用户可以上传视频，让模型生成标题与宣传语，理解特效处理，或作超美抒情诗。
在人工智能领域，人大系初创公司智子引擎近日发布了一款名为Awaker1.0的全新多模态大模型，标志着向通用人工智能迈出了重要一步。该模型在写真视频效果上超越了Sora，展现了其在视觉生成方面的卓越能力。Awaker1.0在理解侧和生成侧都实现了效果突破，有望加速多模态大模型行业的发展，最终让人类实现AGI。
元象公司发布了首个多模态大型模型XVERSE-V，并将其开源。这一模型支持任意宽高比的图像输入，并在多个权威评测中取得了优异的成绩。除了图像识别，XVERSE-V还在多个实际应用场景中表现突出，包括信息图理解、视障场景处理、文本生成、教育解题等。
ScrapeGraphAI是一个使用LLM（大型语言模型）和直接图逻辑来为网站、文档和XML文件创建抓取管道的Python网络爬虫库。用户只需指定想要提取的信息，库就会自动完成这项工作。该库的主要优点在于简化了网络数据抓取的过程，提高了数据提取的效率和准确性。它适用于数据探索和研究目的，但不应被滥用。
databonsai是一个Python库，利用大型语言模型（LLMs）执行数据清洗任务。它提供了一系列工具，包括数据分类、转换和提取，以及对LLM输出的验证，支持批量处理以节省令牌，并且具备重试逻辑以处理速率限制和瞬时错误。
Cognita 是一个开源框架，用于组织 RAG（Retrieval Augmented Generation）代码库，并提供一个前端界面，以便在不同的 RAG 定制中进行实验。它提供了一种简单的方法来组织代码库，使得在本地测试变得容易，同时也能够部署到生产环境中。Cognita 使用 Langchain/Llamaindex 作为底层技术，并提供了一个组织结构，使得每个 RAG 组件都是模块化的、API 驱动的，并且易于扩展。
Llama-3[8B] Meditron V1.0是一款专为生物医学领域设计的8亿参数的大型语言模型（LLM），在Meta发布Llama-3后24小时内完成微调。该模型在MedQA和MedMCQA等标准基准测试中超越了同参数级别的所有现有开放模型，并且接近70B参数级别医学领域领先的开放模型Llama-2[70B]-Meditron的性能。该工作展示了开放基础模型的创新潜力，是确保资源匮乏地区公平参与访问该技术更大倡议的一部分。
Video Mamba Suite 是一个用于视频理解的新型状态空间模型套件，旨在探索和评估Mamba在视频建模中的潜力。该套件包含14个模型/模块，覆盖12个视频理解任务，展示了在视频和视频-语言任务中的高效性能和优越性。
摆平AI论文写作助手是一个在线AI写作平台，专注于提供论文写作辅助服务。它通过智能算法帮助用户快速生成论文草稿，降低AI生成内容的明显痕迹，提升文章原创性。该产品适用于学生、教师及需要撰写论文的专业人士，具有操作简便、生成速度快、成本效益高等特点。
AI Nudes io是一款使用AI拍摄照片的网站。该产品利用类似于DALL E和ChatGPT的尖端AI技术，通过对数十亿张图像进行训练，生成极其逼真的人体，实现了非常逼真的深度伪造效果。产品具有高度的隐私保护，图像在一周内被删除，不会共享，用户信息匿名，并且采用了高级安全措施保护数据。
Nextpart AI是一个NSFW AI聊天应用程序，利用大型语言模型实现用户与AI角色之间逼真的互动。它具有AI生成语音和图像的能力，提供无过滤的18+对话。产品背景信息、定位和价格等详细信息请访问网站。
CrawlSpider是一款革命性的WordPress插件，旨在简化内部链接构建，帮助网站优化SEO结构，提升搜索引擎排名。它使用先进的匹配算法和NLP技术，自动进行内部链接的分配、关键词优化，并遵循SEO指南。
VirtualFantasy.ai是一个让用户连接理想AI伴侣的平台。用户可以选择男性、女性或跨性别的AI角色，并与其展开一段陪伴与理解的旅程，无论什么样的需求都能得到满足，无论是情感支持还是无偏见的对话。VirtualFantasy.ai提供个性化的AI角色生成和互动聊天功能，让用户与他们定制的AI伴侣建立情感和连接。
ZeroGPT是一个基于Web的ChatGPT检测器和其他AI内容检测工具。它帮助专业人士、学生、博主和其他作家检测和删除AI生成的内容。ZeroGPT通过各种算法和API在AI检测研究中分析您的文本，并提供AI概率得分百分比。
LingoSub允许您观看带字幕和翻译的视频，通过观看您喜爱的视频，您可以在上下文中学习新单词和短语。您还可以点击任何单词来查看其定义和发音。
Linktopia是一个面向SaaS创业公司的链接建设和博主外展平台。通过给出链接来获得链接，提高搜索流量。具有以下主要优点：简单透明的定价，每个链接机会都经过手动验证，可搜索相关链接。
Promptzone是一个充满活力的社区，供创意思维的人分享、探索和讨论各种类型和兴趣的提示。该产品为用户提供了一个平台，可以通过创意提示来激发他们的创造力，并与志同道合的人建立联系。Promptzone的主要优点是创造了一个友好的社区环境，鼓励用户分享和交流创意，为他们的项目和作品提供灵感和反馈。
Genai 是一个聊天机器人平台，允许用户从多种数据源收集和混合数据，以快速创建聊天机器人。这些聊天机器人能够根据提供的数据回答用户问题，无需编程知识，即可实现24/7的客户支持，提高客户满意度，并降低支持成本。此外，Genai 还提供了一种新的学习方式，通过加载用户喜爱的播客和视频，快速找到知识信息。用户还可以通过平台分享自己的知识，并通过创建聊天机器人来增长受众和建立长期关系。
和 Kimi 聊天时，随时 @ Kimi+，召唤你的私人助理。Kimi 智能助手是一款旨在提高个人和企业生产力的应用程序。它通过提供多种辅助功能，如写作辅助、翻译、学术搜索等，帮助用户更高效地完成工作和学习任务。Kimi 智能助手的主要优点在于其多功能性、易用性和智能化水平，能够满足不同用户的需求。产品背景信息显示，Kimi 智能助手由月之暗科技有限公司开发，定位于成为用户日常生活中的得力助手。
gpt2-chatbot是一个基于GPT-4架构的大型语言模型，由OpenAI训练。它在对话中表现出色，能够提供结构化、有深度的回答，并且在知识存储方面表现出色。该模型在LMSYS的Direct Chat和Arena (Battle)模式中可供使用，允许用户无需登录即可进行交流和评估。
Opencall是一款AI电话助手，专为提高企业销售、客户满意度和利润率而设计。它通过AI技术自动接听电话，回答问题，分类来电者，预约安排，查找信息，并通过自定义工作流程来满足不同企业的需求。其主要优点包括无限制的容量、全天候可用性、减少等待时间、提高收入，并且每个企业都能获得一个独特的AI，就像您的员工的延伸一样。此外，Opencall还提供医疗、美容、房地产等行业的定制化服务，确保与现有流程的无缝对接。
LLMPrice 是一个专门收集国内大模型信息的网站，为提供对比不同大模型能力和价格的平台。用户可以轻松查看各大模型的规格、价格厂商信息，帮助他们选择最适合自己需求的大模型。
anime.gf 是由 moecorp 发起的下一代本地优先的大型语言模型（LLMs），目前正处于积极开发阶段。它代表了一种新兴的本地化和开源的人工智能技术，旨在提供更高效、更个性化的用户体验。
