繼各類輸入端多模態(tài)大語言模型之后，新加坡國立大學(xué)華人團隊近期開源一種支持任意模態(tài)輸入和任意模態(tài)輸出的真正「大一統(tǒng)」多模態(tài)大模型，火爆 AI 社區(qū)。ChatGPT 的誕生，引爆了2023年的基于大語言模型的 AI 浪潮，此后各類開源大語言模型陸續(xù)問世，包括 Flan-T5、Vicuna、 LLaMA、
......
本文由站長之家合作伙伴自媒體作者“機器之心公眾號”授權(quán)發(fā)布于站長之家平臺，本平臺僅提供信息索引服務(wù)。由于內(nèi)容發(fā)布時間超過平臺更新維護時間，為了保證文章信息的及時性，內(nèi)容觀點的準(zhǔn)確性，平臺將不提供完全的內(nèi)容展現(xiàn)，本頁面內(nèi)容僅為平臺搜索索引使用。需閱讀完整內(nèi)容的用戶，請查看原文，獲取內(nèi)容詳情。
（舉報）
繼量子芯片之后，谷歌又來搶“OpenAI雙12直播”的流量了!就在剛剛，谷歌新一代大模型Gemini2.0突然登場，再次由谷歌CEO皮猜親自官宣。新一代模型專為AIAgent打造，谷歌表示目前已經(jīng)將2.0版本提供給了一些開發(fā)者內(nèi)測，正在迅速將其集成在Gemini和搜索等產(chǎn)品線中。從OpenAI跳槽到谷歌的LoganKilpatrick表示，他們在GoogleAIStudio中創(chuàng)建了一個全新體驗，展示了Gemini2.0視頻理解、原生工具?
12月28日，智象未來科技有限公司在安徽人工智能產(chǎn)業(yè)先導(dǎo)區(qū)啟動儀式中，正式發(fā)布智象多模態(tài)生成大模型3.0版。啟動儀式上，智象未來創(chuàng)始人兼首席執(zhí)行官梅濤總結(jié)了2024年人工領(lǐng)域技術(shù)發(fā)展的五個標(biāo)志性事件，分別是以Sora為代表的視覺生成物理世界模擬器、以ChatGPT4o為代表的多模態(tài)模型、以GPT-o1為代表的從預(yù)訓(xùn)練到后訓(xùn)練推理優(yōu)化、多模態(tài)大模型賦能具身智能實現(xiàn)軟硬件結(jié)合，以及人工智能學(xué)者榮獲諾貝爾化學(xué)獎表明AI賦能科研范式變革。本次活動現(xiàn)場，智象未來與人民網(wǎng)、上海電影集團、彩訊科技、捷成華視網(wǎng)聚、安徽聯(lián)通、中國移動咪咕音樂等12家生態(tài)伙伴企業(yè)代表簽約，共同打造集技術(shù)研發(fā)、產(chǎn)業(yè)化應(yīng)用、市場推廣于一體的生態(tài)體系。
事件12月10日，OpenAl正式上線Sora，并向包括美國在內(nèi)的多數(shù)國家用戶開放，用戶可在OpenAI官網(wǎng)上體驗Sora。Sora被包含在ChatGPTPlus和ChatGPTPro的會員訂閱方案中，用戶無需額外付費。股市有風(fēng)險，投資需謹(jǐn)慎。
歡迎來到【AI日報】欄目!這里是你每天探索人工智能世界的指南，每天我們?yōu)槟愠尸F(xiàn)AI領(lǐng)域的熱點內(nèi)容，聚焦開發(fā)者，助你洞悉技術(shù)趨勢、了解創(chuàng)新AI產(chǎn)品應(yīng)用。新鮮AI產(chǎn)品點擊了解:https://top.aibase.com/1、阿里發(fā)布多模態(tài)推理模型QVQ-72B!視覺、語言能力雙提升阿里巴巴最近推出的QVQ-72B多模態(tài)推理模型在語言和視覺能力上實現(xiàn)了顯著提升，能夠處理復(fù)雜的推理和分析任務(wù)，尤其在多步推理和數(shù)學(xué)推理方面表現(xiàn)突出。盡管o1-preview在某些方面表現(xiàn)優(yōu)秀，但在實際應(yīng)用中仍面臨高成本和不切實際的測試建議等問題。
歡迎來到【AI日報】欄目!這里是你每天探索人工智能世界的指南，每天我們?yōu)槟愠尸F(xiàn)AI領(lǐng)域的熱點內(nèi)容，聚焦開發(fā)者，助你洞悉技術(shù)趨勢、了解創(chuàng)新AI產(chǎn)品應(yīng)用。新鮮AI產(chǎn)品點擊了解:https://top.aibase.com/1、OpenAI正式上線Sora，ChatGPTPro用戶可無限生成、最長20秒OpenAI在"ship-mas"系列活動中發(fā)布了SoraTurbo視頻生成AI，支持生成20秒1080p視頻，用戶可通過文本、圖片或視頻進行創(chuàng)作，具有多種風(fēng)格和剪輯功能。See3D已開源，支持多種3D創(chuàng)作應(yīng)用。
全球AI領(lǐng)導(dǎo)者NVIDIA在2025年CES展會上，開源了全新世界大模型NVIDIACosmos。Cosmos共有Nano、Super和Ultra三種型號:Nano針對實時、低延遲推理和邊緣部署進行了優(yōu)化;Super作為性能基線模型設(shè)計;Ultra專注于最大質(zhì)量和保真度，是蒸餾定制模型的理想選擇。通過與NVIDIA合作，我們有信心可以幫助加速安全和可擴展的自動駕駛解決方案。
今天凌晨3點，全球社交巨頭Meta分享了一個創(chuàng)新研究——Memorylayers。Transformer架構(gòu)的預(yù)訓(xùn)練大模型在存儲、查詢數(shù)據(jù)時，隨著參數(shù)的變大對算力的需求呈指數(shù)級增長。這樣的設(shè)計既簡化了維護流程，又提高了系統(tǒng)的靈活性和適應(yīng)性。
OpenAI連續(xù)12日圣誕發(fā)布”終于迎來激動人心的大結(jié)局，OpenAI推出重磅收官新品，其迄今最強前沿推理模型的升級版o3。OpenAI號稱o3在一些條件下接近通用人工智能，共有o3和精簡版o3-mini兩個版本。12、o1下一代模型o3亮相，推出兩個版本，正式版o3以及精簡版o3-mini。
多模態(tài)大模型在聽覺上，居然也出現(xiàn)了「9.11>9.8」的現(xiàn)象，音量大小這種簡單問題都識別不了!港中文、斯坦福等大學(xué)聯(lián)合發(fā)布的AV-Odyssey基準(zhǔn)測試，包含26個視聽任務(wù)，覆蓋了7種聲音屬性，跨越了10個不同領(lǐng)域，確保測試的深度和廣度。在人工智能領(lǐng)域，我們一直以為頂尖的多模態(tài)大模型已經(jīng)無所不能，GPT-4o在ASR任務(wù)上已經(jīng)達到了97%的正確率，更是凸顯了強大的音頻理解能力?
近兩年AI發(fā)展迅速，但目前種種跡象表明，一些AI巨頭寄予厚望的AGI之路似乎已經(jīng)遭遇瓶頸，尋找其他發(fā)展路徑正成為業(yè)界共識。360集團創(chuàng)始人周鴻祎在《財經(jīng)》年度對話2024上發(fā)表演講稱，目前AGI的發(fā)展面正臨挑戰(zhàn)智能體和專業(yè)大模型的應(yīng)用將推動大模型技術(shù)的落地。一個標(biāo)志是能提高10倍的體驗，即提高10倍的效率或降低10倍的成本，減少10倍的人力”。
