现在的大模型榜单上，真的都是水分。全是作弊的考生，真的。上周，AI圈有个很炸裂的大模型发布，在全网引起了山呼海啸，一众从业者和媒体尊称它为开源新王。就是Reflection70B。在每项基准测试上都超过了 GPT-4o，还只用70B的参数，就击败了405B的Llama3.1，模型中还有一个叫「Ref
......
本文由站长之家合作伙伴自媒体作者“数字生命卡兹克公众号”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
相较于以往，人们今天口中再谈到AI，已不只是存在于高大上实验室中的“概念”，它可以是矿山农田里的智能劳务者，也可以是工厂港口里的幕后指挥家，甚至还可能成为大小屏幕间的电子抚慰者。百花齐放之间，AI场景化、产业化的那座山峦，正迎来了一群年轻的攀登者。”那就让我们一起期盼这一天能够早日到来吧。
这是《窄播Weekly》的第31期，本期我们关注的商业动态是:AI视频生成大模型。今年2月OpenAI通过Sora的发布，为AI视频生成明确了依靠DiT架构获得突破的技术路径。这需要更多时间去探索和验证。
在当今这个科技浪潮汹涌澎湃的时代，人工智能持续深刻地影响并且改变着我们的生活。从医疗诊断到金融分析，从智能语音助手再到自动驾驶汽车，人工智能的应用可谓无处不在。寒武纪未来的芯片产品将为下游不断爆发的新模型及不断拓展的应用场景提供更具竞争力的算力基石。
近日灰豚数字人发布首个为直播生的AI语音大模型。该声音大模型在我国获得多个之最。灰豚AI语音大模型还将推出独立的AI配音品牌APP，做一个让短视频创作者用得好、让人人用得起的大平台。
一个兽医博主在记录父亲深夜抢救母牛的过程中，使用Kimi查找“母牛传染病”的相关医学内容;一个生活博主在告诉大家如何用AI实现人生第一个13万的过程中，向用户展示如何用豆包生产内容;打工人上班途中在北京地铁1号线永安里站出口，看到智谱清言应用的大屏广告;好学的年轻人睡前在自己常听的播客节目里，听到MiniMax的植入......广告投放，是当下大模型白热化竞争中的�
当电信网络用上了大模型，会是一种什么体验?以前网络上若是出了问题，运维人员需得是先靠着经验反复排查，找到了“病根”再“对症下药”。现在有了大模型，这事儿的“打开方式”就变得截然不同了。CPU在AI推理加速上仍然大有可为。
2024年9月24日10时31分，国星宇航的捷龙三号遥四火箭在山东海阳成功发射，八颗卫星中包括国星宇航自己的三颗。9月25日20时46分，国星宇航试验团队通过地面站，以遥控指令形式，上注AI任务至卫星。国星宇航将建设实现自主可控的star-compute”组网，并推进天数天算”和下一步的地数天算”项目。
面对来势汹汹的大模型应用浪潮，支付宝医疗技术一号位魏鹏这样说道。蚂蚁大举进军医疗，已是再明显不过。追求全面不求精，我认为并不符合当前的场景和需求。
字节跳动正式宣告进军AI视频生成。发布豆包视频生成-PixelDance、豆包视频生成-Seaweed两款大模型发布，面向企业市场开启邀测。豆包视频生成”系列模型已在即梦AI内测版中开启小范围测试，旨在收集宝贵的用户反馈，不断优化产品性能。
9月20日，“垂直大模型，全面释放数字生产力——浩鲸科技·鲸智大模型发布会”在云栖大会期间举行。作为垂直大模型的场景落地践行者和价值发挥者，浩鲸科技重磅推出“1+1+4+5+X”鲸智大模型技术体系，加速赋能行业数字化转型。强强联合，做大模型落地践行者作为全球化的数字化转型技术服务提供商，浩鲸科技密切关注行业趋势、技术进步和用户需求的变化，聚焦于人工
WebLLM是一个高性能的浏览器内语言模型推理引擎，利用WebGPU进行硬件加速，使得强大的语言模型操作可以直接在网页浏览器内执行，无需服务器端处理。这个项目旨在将大型语言模型（LLM）直接集成到客户端，从而实现成本降低、个性化增强和隐私保护。它支持多种模型，并与OpenAI API兼容，易于集成到项目中，支持实时交互和流式处理，是构建个性化AI助手的理想选择。
Audio-to-Face 是 NVIDIA NIM 提供的一项技术，能够将音频流实时转换为面部表情，用于唇形同步和面部表演。这项技术主要应用于数字人领域，通过先进的机器学习算法，实现高度逼真的面部动作生成。它不仅能够提升数字人物的自然度和真实感，还能够在游戏、电影制作、虚拟现实等领域提供强大的支持。
Flux_小红书真实风格模型是一款专注于生成极度真实自然日常照片的AI模型。它利用最新的人工智能技术，通过深度学习算法，能够生成具有小红书真实感风格的照片。该模型特别适合需要在社交媒体上发布高质量、真实感照片的用户，以及进行艺术创作和设计工作的专业人士。模型提供了多种参数设置，以适应不同的使用场景和需求。
FLUX1.1 [pro] 是 Black Forest Labs 发布的最新图像生成模型，它在速度和图像质量上都有显著提升。该模型提供六倍于前代的速度，同时改善了图像质量、提示遵循度和多样性。FLUX1.1 [pro] 还提供了更高级的定制化选项，以及更优的性价比，适合需要高效、高质量图像生成的开发者和企业。
PuLID-Flux ComfyUI implementation 是一个基于ComfyUI的图像处理模型，它利用了PuLID技术和Flux模型来实现对图像的高级定制和处理。这个项目是cubiq/PuLID_ComfyUI的灵感来源，是一个原型，它使用了一些方便的模型技巧来处理编码器部分。开发者希望在更正式地重新实现之前测试模型的质量。为了获得更好的结果，推荐使用16位或8位的GGUF模型版本。
Youtube-Whisper是一个基于Gradio的应用程序，它通过提取YouTube视频的音频并使用OpenAI的Whisper模型来转录成文本。这个工具对于需要将视频内容转化为文本以进行分析、存档或翻译的用户来说非常有用。它利用了最新的人工智能技术，提高了视频内容的可访问性和可用性。
OpenFLUX.1是一个基于FLUX.1-schnell模型的微调版本，移除了蒸馏过程，使其可以进行微调，并且拥有开源、宽松的许可证Apache 2.0。该模型能够生成令人惊叹的图像，并且只需1-4步即可完成。它是一个尝试去除蒸馏过程，创建一个可以微调的开源许可模型。
LiveKit Agents 是一个端到端框架，它使开发者能够构建能够通过语音、视频和数据通道与用户互动的智能多模态语音助手（AI代理）。它通过集成OpenAI的实时API和LiveKit的WebRTC基础设施，提供了创建语音助手的快速入门指南，包括语音识别（STT）、语言模型（LLM）和文本转语音（TTS）的流水线。此外，它还支持创建语音到语音代理、接听和响应来电、以及代表用户拨打电话的功能。
BeaGo是一款由Rhymes Technology Inc开发的智能搜索应用，它利用先进的AI技术，能够理解用户的需求，快速找到可靠和高质量的答案。无论是解决复杂问题还是追求好奇心，BeaGo都能提供帮助。它通过AI生成的摘要快速提供清晰的答案，并且能够解读搜索内容中的图片，以视觉化的方式提供信息。此外，BeaGo还能学习用户的喜好，推荐新的话题，激发灵感。
bolt.new是一个集成了人工智能技术的开发者沙盒，旨在帮助开发者快速启动、运行、编辑和部署全栈Web应用程序。它提供了多种模板和框架，支持开发者使用他们喜欢的技术栈创建项目。
Open O1是一个开源项目，旨在通过开源创新，匹配专有的强大O1模型能力。该项目通过策划一组O1风格的思考数据，用于训练LLaMA和Qwen模型，赋予了这些较小模型更强大的长期推理和解决问题的能力。随着Open O1项目的推进，我们将继续推动大型语言模型的可能性，我们的愿景是创建一个不仅能够实现类似O1的性能，而且在测试时扩展性方面也处于领先地位的模型，使高级AI能力为所有人所用。通过社区驱动的开发和对道德实践的承诺，Open O1将成为AI进步的基石，确保技术的未来发展是开放的，并对所有人有益。
AI Video Quiz是一个由Kapwing团队制作的在线测试，旨在教育公众如何辨别真实视频与由AI生成的假视频。通过这个测试，用户可以了解到AI视频编辑技术的最新进展，并提高对深度视频的警觉性。该测试通过展示公众人物的视频，让用户判断其真实性，从而引发对AI技术在视频制作领域应用的思考。
Ultralytics YOLO11是基于之前YOLO系列模型的进一步发展，引入了新特性和改进，以提高性能和灵活性。YOLO11旨在快速、准确、易于使用，非常适合广泛的目标检测、跟踪、实例分割、图像分类和姿态估计任务。
Stable Video Portraits是一种创新的混合2D/3D生成方法，利用预训练的文本到图像模型（2D）和3D形态模型（3D）生成逼真的动态人脸视频。该技术通过人特定的微调，将一般2D稳定扩散模型提升到视频模型，通过提供时间序列的3D形态模型作为条件，并引入时间去噪过程，生成具有时间平滑性的人脸影像，可以编辑和变形为文本定义的名人形象，无需额外的测试时微调。该方法在定量和定性分析中均优于现有的单目头部化身方法。
Posterior-Mean Rectified Flow（PMRF）是一种新颖的图像恢复算法，它通过优化后验均值和矫正流模型来最小化均方误差（MSE），同时保证图像的逼真度。PMRF算法简单而高效，其理论基础是将后验均值预测（最小均方误差估计）优化到与真实图像分布相匹配。该算法在图像恢复任务中表现出色，能够处理噪声、模糊等多种退化问题，并且具有较好的感知质量。
Meta Movie Gen 是一个先进的媒体基础AI模型，它允许用户通过简单的文本输入来生成定制的视频和声音，编辑现有视频或将个人图像转换成独特的视频。这项技术代表了AI在内容创造方面的最新突破，为内容创作者提供了前所未有的创作自由度和效率。
Graphite Reviewer是一个AI代码审查工具，它通过即时反馈帮助团队提高代码审查的效率和质量。该工具利用代码库感知AI，自动检测代码中的bug和错误，使团队能够专注于构建而不是审查。它支持自定义规则，保证代码质量和一致性，同时确保代码的私密性和安全性。Graphite Reviewer的主要优点包括快速合并PR、强化质量和一致性、保持代码私密和安全、捕捉常见错误等。
Character SDK是一个能够创建AI角色的平台，这些角色可以实时听、说、看，甚至采取行动。它通过实时语音和视觉识别、高级OCR处理、多语言交流、自适应推理和基于意图的任务自动化等技术，帮助企业提高效率，减少成本，并提供个性化的用户体验。
Temperstack是一个企业级的主动式SRE平台，旨在减少SRE的重复劳动，提高服务的可靠性。它通过自动化服务目录、警报审计和跨您的监控工具的SLI报告，为从CTO到SRE工程师的团队提供可见性、主动发现问题并促进协作。Temperstack集成了流行的监控工具，提供统一的命令界面，以实现全面的SRE可见性和行动。
o1-engineer 是一个命令行工具，旨在帮助开发者通过 OpenAI 的 API 高效地管理和交互项目。它提供了代码生成、文件编辑、项目规划等功能，以简化开发工作流程。
