首页 > 业界 > 关键词  > OpenAI最新资讯  > 正文

AI日报:推理更强!OpenAI新模型o1发布;Midjourney 7.0一次可生8张图;开源语音模型Fish Speech 1.4发布

2024-09-13 15:31 · 稿源:站长之家

欢迎来到【AI日报】栏目!这里是你每天探索人工智能世界的指南,每天我们为你呈现AI领域的热点内容,聚焦开发者,助你洞悉技术趋势、了解创新AI产品应用。

新鲜AI产品点击了解:https://top.aibase.com/

1、OpenAI推出全新的模型系列OpenAI o1

OpenAI推出了全新的模型系列OpenAI o1,这个新模型在推理能力上表现得更加出色,为解决复杂问题提供了更强的推理能力。用户需要调整提示方式以适应o1模型的工作方式,提示工程发生了重大变革,用户需要给出简单直接的提示,避免使用思路链提示,使用分隔符来明确模型解析的部分,并限制额外上下文以避免复杂回答。

【AiBase提要:】

🤖 OpenAI o1模型需要简单、直接的提示,而非复杂的指导。

🧠 避免使用思路链提示,因为o1模型已经具备内部推理能力。

📑 使用分隔符来明确模型解析的部分,并限制额外上下文以避免复杂回答。

详情链接:https://openai.com/index/introducing-openai-o1-preview/

2、谷歌Gemini Live语音聊天向安卓用户免费开放,随时随地与AI聊天!

谷歌宣布Gemini Live语音聊天模式现在免费向所有安卓用户开放,这意味着每个人都可以体验智能对话AI的乐趣。用户可以随时用声音提问,甚至在回答过程中打断,为用户带来流畅的语音交互体验。Gemini Live为用户提供了一种新的交互方式,无论在家中还是外出,都能随时与AI进行有趣的对话。

【AiBase提要:】

🌟 Gemini Live语音聊天功能现在免费向所有安卓用户开放!

🗣️ 用户可以直接用声音提问,甚至在回答时打断。

🌍 目前仅支持英文,未来将在iOS上推出并支持更多语言。

3、Midjourney 7. 0 版本或在 2 个月内发布 一次性可生成 8 张图,正开发3D系统

Midjourney创始人David Holz在Discord上分享公司最新项目进展,强调技术创新以竞争AI图像生成领域。公司推迟发布7.0版本,但功能更丰富。重点在提高技术可访问性和工具专业使用价值。计划推出多图生成、图像编辑器、3D系统、个性化功能和视频生成。公司选择稳健发展道路,注重提升用户体验。

【AiBase提要:】

🚀7.0版本推迟但功能更丰富,重点在提高技术可访问性和工具专业使用价值。

🎨 新功能包括多图生成、图像编辑器、3D系统、个性化和视频生成,提升用户体验。

💡 Midjourney选择稳健发展道路,注重实用功能和用户体验,以保持竞争优势。

详情链接:https://top.aibase.com/tool/midjourneywangyeban

4、元象发布MoE开源大模型XVERSE-MoE-A36B

作为中国最大的Mixture of Experts(MoE)开源大模型,XVERSE-MoE-A36B的发布标志着中国在AI领域的重大进步,将国产开源技术提升至国际领先水平。该模型的性能和效率带来了训练时间的缩短、推理性能的提升,以及降低了AI应用的成本,为中小企业、研究者和开发者提供了更多选择机会。

image.png

【AiBase提要:】

🚀 XVERSE-MoE-A36B拥有255B总参数和36B激活参数,性能可与超过100B参数的大模型相媲美,实现了跨级的性能跃升。

💡 MoE架构通过组合多个细分领域的专家模型,打破了传统扩展定律的局限,保持了模型性能最大化,降低了计算成本。

📈 元象MoE在权威评测中超越了多个同类模型,包括国内千亿MoE模型Skywork-MoE、传统MoE霸主Mixtral-8x22B等。

详情链接:https://huggingface.co/xverse/XVERSE-MoE-A36B

5、Fish Speech1.4发布:开源TTS模型迎来多语言突破

Fish Speech1.4版本的发布标志着这款开源文本转语音(TTS)模型在多语言支持和性能方面取得了重大突破。更新展现了强大的技术实力和广阔的应用前景。

【AiBase提要:】

🌐 多语言支持大幅提升: 训练数据量翻倍至70万小时,支持8种主要语言,拓展了应用范围。

⚡ 性能与功能全面升级: 超快速度与低延迟,即时语音克隆功能,灵活部署选项和API服务。

🚀 应用前景广阔: 教育领域支持语言学习,娱乐产业即时语音克隆,辅助技术视障人士工具,智能客服和跨文化交流。

详情链接:https://fish.audio/zh-CN/auth/

6、告别幻觉!谷歌推新模型DataGemma,统计数据准确率暴涨58%

谷歌推出新的开源AI模型DataGemma,旨在解决大语言模型在处理统计数据时常出现的“幻觉”问题,标志着谷歌在AI领域的重要进展。DataGemma利用谷歌的数据共享平台,显著提升模型回答统计问题的准确性。初步测试显示,DataGemma在统计查询准确性方面有显著提升。

【AiBase提要:】

🌟 DataGemma模型旨在减少AI在统计查询中的错误,提高准确性。

📊 DataGemma利用Data Commons平台数据,增强模型回答的准确性。

🔍 DataGemma在初步测试中表现出显著的统计查询准确性提升。

详情链接:https://huggingface.co/collections/google/datagemma-release-66df7636084d2b150a4e6643

7、Jina AI推出Reader-LM小型语言模型

Jina AI推出的Reader-LM小型语言模型为将原始HTML内容转化为干净整洁的Markdown格式提供了便利,摆脱了繁琐的网页数据处理。该模型快速高效,自动剔除杂乱内容,展现出优异性能和高准确性。

image.png

【AiBase提要:】

✨ Reader-LM能快速高效转换网页内容为Markdown,无需复杂规则或正则表达式。

🔍 提供两个参数模型,优化HTML转Markdown任务,性能超越大型模型。

💡 具备强大长上下文处理能力,在资源受限环境中也能高效运行。

详情链接:https://jina.ai/news/reader-lm-small-language-models-for-cleaning-and-converting-html-to-markdown/

8、估值2000万美元!AI工具Shopsense AI 支持拍照就能买到明星同款

在MTV音乐录像带大奖(VMAs)上,观众们通过Shopsense AI技术可以即时购买明星造型相似的服装,展现出未来购物体验的可能性。虽然技术仍需提升准确性,但Shopsense正不断改进,以与其他媒体公司竞争。其商业模式多元,通过点击付费和销售分成获取收入,市场潜力巨大。

image.png

【AiBase提要:】

🌟 观众可通过上传照片获取与明星造型相似的商品推荐,包括高端和亲民选择。

🛍️ Shopsense AI计划扩展到旅游、运动等其他领域的商品推荐,实现内容与购物的无缝连接。

📈 Shopsense AI与Paramount合作,为观众提供即时购买明星造型相似服装的便利体验。

9、一场商标之战!谷歌因使用 “Gemini” 标名称被起诉侵权

最近,谷歌因其新推出的 AI 服务 “Gemini” 而被一家名为 Gemini Data 的公司起诉,指控其侵犯商标权。这起纠纷揭示了大型科技公司在商标使用上的挑战和法律风险,警示企业在命名新产品或服务时需谨慎考虑已有商标。

【AiBase提要:】

🌟 谷歌因使用 “Gemini” 商标被 Gemini Data 起诉,指控其侵犯商标权。

🔍 谷歌在申请商标时遭到拒绝,因该名称与其他商标相似。

🤖 谷歌的 Gemini 聊天机器人承认正在侵犯商标,反映出双方的法律纠纷。

10、阿联酋国有投资公司 MGX 考虑向 OpenAI 投资数十亿美元

阿联酋国有投资公司MGX考虑向OpenAI投资数十亿美元,这一举动将进一步推动OpenAI的融资计划,显示出OpenAI强劲的商业表现。同时,MGX的成立旨在加速人工智能和先进技术的发展,巩固阿联酋在全球科技领域的领先地位。

【AiBase提要:】

💰 MGX考虑向OpenAI投资数十亿美元,推动OpenAI融资计划。

🤖 OpenAI年化经常性收入达40亿美元,展现强劲商业表现。

🌍 MGX由穆巴达拉与G42共同创办,专注于人工智能和先进技术的发展。

11、强得可怕!有人测试用OpenAI o1解答高中数学期末考题,竟全对了

这篇文章介绍了一位Reddit网友使用OpenAI最新模型OpenAI o1解答高中数学题的惊人效果。他对人工智能的能力充满好奇,通过测试发现OpenAI o1在短时间内准确解答了中国高中数学考题,引起了网友的关注与讨论。结果显示了AI在处理复杂数学问题上的强大能力,引发了对AI未来应用前景的讨论。

image.png

【AiBase提要:】

🤖 AI能力惊人:OpenAI o1在短时间内准确解答高中数学考题,全对

💡 科技进步引发思考:网友对AI未来发展提出疑问,讨论教育领域的影响

🌐 智能化学习辅助:AI在教育领域有巨大潜力,为学生提供智能化学习辅助

举报

  • 相关推荐
  • OpenAI发布GPT-5-Codex:可完成7小时单次编程任务

    OpenAI宣布推出新一代AI编程模型GPT-5-Codex,其最大亮点是创新的动态时间分配系统。 不同于传统AI追求秒级响应”,该模型可根据任务复杂度灵活调整处理时长,从数秒到7小时不等,以更接近人类专家的决策方式优化代码质量。 GPT-5-Codex产品负责人亚历山大恩比里科斯解释称,传统模型在任务初期即固定计算资源,而GPT-5-Codex能实时评估需求:动态决定加速推进、暂停语法核�

  • AI日报:快手推出AI视频制作助手Kwali;字节跳动推出USO模型;OpenAI推出ChatGPT开发者模式

    本文介绍了AI日报栏目,聚焦AI领域最新动态。快手推出Kwali视频助手,简化视频制作流程;字节跳动发布USO模型,解决图像生成中风格与主题的矛盾;微软推出Copilot Audio音频模式,提供个性化语音交互;Stability AI升级Stable Audio 2.5,支持高质量音频生成;阿联酋推出开源大模型K2 Think,拥有320亿参数;微信上线智能回复功能,提升公众号运营效率;OpenAI推出ChatGPT开发者模式,支持AI控制外部工具;字节跳动Seed团队发布AgentGym-RL框架,提升语言模型决策能力;月之暗面开源Checkpoint Engine中间件,优化LLM推理效率;B站开源IndexTTS-2.0文本转语音系统,支持情感与时长控制;Replit推出Agent 3编程助手,自主性提升10倍。

  • AI日报:抖音打击AI技术滥用行为;OpenAI 收购开发数据分析平台 Statsig;ElevenLabs 音效模型更新

    抖音打击AI技术滥用行为,对违规商家和达人采取下架、清退等措施。ElevenLabs音效模型升级至版本2,支持长音频和无缝循环。OpenAI收购数据分析平台Statsig,增强产品迭代能力。亚马逊推出Lens Live AI功能,实时扫描购物。谷歌AI推出Stax工具,帮助开发者评估大语言模型。WordPress推出AI工具Telex简化网站构建。Liquid AI发布LFM2-VL模型,提升手机视觉语言处理。苹果开源FastVLM与MobileCLIP2模型,优化边缘设备AI应用。MetaGPT推出自动化测试工具RealDevWorld,精准率达92%。瑞士发布开源大模型Apertus,提供多语言处理能力。

  • AI日报:苹果明年推出SiriAI搜索;OpenAI放开ChatGPT Projects功能;Kimi K2-0905 上线 Discord

    本文汇总了AI领域最新动态:苹果与谷歌合作,计划在Siri中引入Gemini AI技术;OpenAI向免费用户开放Projects功能,提升任务管理效率;谷歌推出免费Gemini CLI工具,集成GitHub提升开发效率;OpenAI估值飙升至5000亿美元,二级股票售出103亿美元;苹果自研AI搜索引擎“世界知识问答”计划2026年上线;月之暗面发布Kimi K2-0905模型,提升编程与创意写作能力;Raycast推出Cursor Agent插件优化代码编辑;谷歌发布nano banana官方Prompt模板,助力创意设计。

  • Nano Banana更像是AI图像领域的DeepSeek

    这是《窄播Weekly》的第66期,本期我们关注的商业动态是:Google最新的AI图像生成模型Nano Banana,可能会给AI图像领域带来一场应用大爆炸。 去年这个时候,我想把照片中人物手里拿的玩具火车换成玩具飞机,还需要给玩具火车做出精细标记,找到干净的玩具飞机图片,告诉AI将其替换成另一张图里的飞机。我花费一个小时,多番尝试下来,飞机会变形,人物的手会消失,最后的�

  • 赫力昂联合Springer Nature旗下自然定制揭秘大脑抗衰

    全球老龄化加速,大脑健康成为焦点。9月16日是中国脑健康日,9月21日是世界阿尔茨海默病日。数据显示,2020至2023年全球60岁以上人口增长40%,达14亿;中国60岁以上人口超3亿,占比22%。阿尔茨海默病带来的经济负担约占GDP的1.47%。科学界正探索维持大脑年轻态的机制,企业合作举办高峰论坛,专家分享前沿研究成果,强调40-60岁是干预黄金窗口期。复合维生素矿物质等营养干预手段显示认知改善潜力,未来需跨学科协作推动大脑抗衰研究普及。

  • 魅族StarV Snap AI拍照眼镜发布:售价1999 元起

    今日下午魅族22新品发布会上,一款名为StarV Snap的AI拍摄眼镜成为全场焦点。这款突破传统智能眼镜形态的产品以39克超轻人因工学设计惊艳亮相,通过50项人体工程学优化实现重量均匀分散,彻底解决"丑、重、硌"的行业痛点,鼻梁、耳部无压迫感的设计支持全天候舒适佩戴。 外观采用经典框型设计,磨砂质感镜框不仅时尚百搭适配多种脸型,更具备防指纹沾染特性,

  • OpenAI发布语音模型GPT-realtim:具备情感感知能力 多语言无缝切换

    OpenAI正式发布语音模型GPT-realtime。 据介绍,GPT-realtime是一款专注于语音AI Agent的多模态模型,能够生成高度自然流畅的语音,精准还原人类语调、情感和语速的丰富变化。该模型支持图像理解,并可结合语音或文本对话使用,非常适合应用于客服、教育、金融、医疗等领域,用于构建高质量的语音智能体。 官方表示,新模型在复杂指令遵循、工具精确调用以及生成更自然、�

  • 软通华方亮相华为全联接大会2025,重磅发布“FunAI³”战略

    2025年9月18日,第十届华为全联接大会在上海开幕,聚焦“跃升行业智能化”主题。软通动力旗下品牌软通华方全新亮相,发布“FunAI³”战略,以“智算筑基、智聚生态、智业深耕”三大路径推动智能算力发展。该战略通过软硬一体全栈智能能力,致力于成为领先的全场景智算产品及服务提供商,赋能千行百业数字化转型升级。

  • AI日报:国产版Nano Banana?即梦图片4.0发布;阿里巴巴发布 Qwen3-Max-Preview;上海重磅发布AI广告扶持政策

    AI日报栏目聚焦人工智能领域最新动态。主要内容包括:即梦图集4.0发布,新增文生图、图像编辑等功能;阿里巴巴推出超万亿参数语言模型Qwen3-Max-Preview;小米AI眼镜上线支付宝“看一看”支付功能;微软开源14B参数模型rStar2-Agent在数学推理领域表现突出;MiniMax启动股权激励计划覆盖核心员工;谷歌明确Gemini使用限制,免费用户每日最多5次提示;上海发布AI广告扶持政策,最高补贴500万元。这些进展展示了AI技术在图像处理、语言模型、智能支付等领域的创新应用。

今日大家都在搜的词: