4月15日，快手可靈2.0正式上線——上傳幾張圖、幾句話，AI就能給你剪出一段逼真到懷疑人生的視頻！這次升級有多炸炸裂？視頻效果全面提升：可靈2.0在動態(tài)質(zhì)量、語義響應(yīng)、畫面美學(xué)等方面的呈現(xiàn)效果實(shí)現(xiàn)全球領(lǐng)先，同時(shí)全面升級視頻及圖像創(chuàng)作可控生成與編輯能力，上線全新的多模態(tài)視頻編輯功能，能靈活理解用戶意圖；導(dǎo)演級操控：上傳一張模特圖+商品視頻，AI能自動合成帶動態(tài)光影的廣告大片；局部精修：對專業(yè)創(chuàng)作者而言，可靈2...

編輯李美涵出品51CTO技術(shù)棧（微信號：blog51cto）據(jù)《AI科技評論》報(bào)道，字節(jié)跳動AILab將整體并入Seed團(tuán)隊(duì)，標(biāo)志著這個(gè)成立已久的老牌研究院式組織，正在被一種更“扁平化”的新型研發(fā)模式徹底取代。自2025年2月原GoogleDeepMind副總裁吳永輝加入字節(jié)以來，字節(jié)的AI業(yè)務(wù)陸續(xù)迎來一系列組織架構(gòu)和人事上的重大調(diào)整。原本由朱文佳獨(dú)立負(fù)責(zé)的Seed部門，如今逐步演變?yōu)閰怯垒x與朱文佳分工協(xié)作的雙負(fù)責(zé)人機(jī)制：朱文佳主抓模型應(yīng)用方...

今天，可靈全系正式進(jìn)入2.0時(shí)代了！先來看看2.0動態(tài)質(zhì)量、語義響應(yīng)、畫面美學(xué)等維度做了升級，直接看視頻是最直觀的：要知道，可靈1.6表現(xiàn)已經(jīng)相當(dāng)能打，做到了文生圖行業(yè)第一，文生視頻行業(yè)第二的水平。根據(jù)發(fā)布會介紹，可靈AI全球用戶規(guī)模突破2200萬，過去的10個(gè)月里，其月活用戶量增長25倍，累計(jì)生成超過1.68億個(gè)視頻及3.44億張圖片。而這次2.0的重磅發(fā)布，直接讓可靈系列成為當(dāng)之無愧的世界冠軍——還是雙料的。在文生圖模...

編輯云昭出品51CTO技術(shù)棧（微信號：blog51cto）今天的智譜非常了不起，一天內(nèi)同步發(fā)生了三件大事！每一件事都讓界內(nèi)十分提氣！第一件事，智譜成為了首家啟動IPO的“大模型六小龍”公司；第二件事，改了全球域名：z.ai；第三件事，一口氣發(fā)布且開源了六款模型。開啟IPO、上線全球域名、開源6款模型，每件都能成為當(dāng)天的熱搜，巧的是，同一天爆發(fā)開了。1.首個(gè)IPO，為什么是智譜？4月15日，一張中國證監(jiān)會官網(wǎng)的截圖被AI圈傳開，官...

文章鏈接：https:arxiv.orgpdf2504.02782代碼&數(shù)據(jù)集：https:github.comPicoTrexGPTImgEval亮點(diǎn)直擊GPTImgEval，首個(gè)通過三個(gè)成熟基準(zhǔn)（包括文本到圖像生成、編輯和理解引導(dǎo)生成）定量和定性評估GPT4o圖像生成能力的基準(zhǔn)測試。全面結(jié)果突顯了GPT4o在圖像生成和理解能力上優(yōu)于先前模型的卓越表現(xiàn)。基于測試結(jié)果深入分析，包括：（1）通過基于分類器的圖像分析研究GPT4o的潛在底層架構(gòu)；（2）對其弱點(diǎn)的系統(tǒng)性實(shí)證研究，包括常見...

今天凌晨1點(diǎn)，谷歌DeepMind終于將大家期待已久的Veo2整合到GeminiApp應(yīng)用中，全面開放使用。Veo2可以最高生成8秒720P電影級視頻，在運(yùn)鏡、文本語義還原、物理模擬、動作一致性等方面非常優(yōu)秀，同時(shí)支持圖片轉(zhuǎn)視頻功能。根據(jù)谷歌公布的測試數(shù)據(jù)顯示，Veo2在用戶偏好和提示還原方面已經(jīng)超過了Sora、可靈1.5、MetaMovieGen和Minimax。此外，從今天開始開發(fā)人員可以在GoogleAIStudio中通過API使用Veo2。API詳細(xì)地址：??https:ai.g...

我見過的最省的GPT4o，Claude，Gemini2級別的模型，而且是國內(nèi)唯一有機(jī)會上桌的，其實(shí)海外目前和這三家有資格掰手腕的也只有它自己，可以負(fù)責(zé)任的說其他的模型不配上桌吃菜（Gemini上個(gè)月都沒資格）。其實(shí)性能好就不說了，DeepseekR1就還不錯(cuò)，國內(nèi)講道理是第一家做inferencetimingscalinglaw的模型，阿里是第二家，其他的就不太值得談?wù)摿耍鋵?shí)國外也只有GPT和Google有資格，沒想到年底還能出個(gè)DeepseekV3，在傳統(tǒng)scalinglaw...

阿里的Ma等人于2018年在論文《EntireSpaceMultiTaskModel:AnEffectiveApproachforEstimatingPostClickConversionRate》中提出了ESMM模型，用于建模電商推薦系統(tǒng)中點(diǎn)擊后轉(zhuǎn)化率的預(yù)估問題，同時(shí)有效緩解了樣本選擇偏差和數(shù)據(jù)稀疏問題。本文將從ESMM模型提出的背景、問題建模、模型原理及損失函數(shù)涉及方面進(jìn)行詳細(xì)的闡述。1.ESMM模型背景（1）在電商推薦系統(tǒng)中，用戶的行為一般遵循“曝光點(diǎn)擊轉(zhuǎn)化”的順序，ESSM主要用于建模點(diǎn)擊...

我集中精力，花2個(gè)多小時(shí)把DifySandbox官方源碼研究了一下，終于理清了Sandbox執(zhí)行代碼的邏輯，順便實(shí)現(xiàn)了在不修改官方difysandboxdocker鏡像，用戶上傳文件后路徑的獲取和對Excel文件的數(shù)據(jù)處理。話不多說，先看效果。一個(gè)有9406條數(shù)據(jù)的Excel文件瞬間完成了數(shù)據(jù)處理工作。下面我來說一下，這個(gè)如何實(shí)現(xiàn)。Dify安裝成功后，會有10個(gè)Docker容器，其中dockersandbox的作用是用來執(zhí)行工作流中”代碼“這個(gè)節(jié)點(diǎn)運(yùn)行的代碼。這樣就保...

MCP（ModelContextProtocol）的熱度還未消散，新的Agent接口標(biāo)準(zhǔn)A2A（Agent2Agent）又悄然登場。就在上周，Google在CloudNext大會上正式推出了Agent2Agent（A2A）開放協(xié)議。簡單來說，A2A旨在為Agent之間的通信提供一個(gè)開放標(biāo)準(zhǔn)，促進(jìn)不同Agent之間的協(xié)作與交互。目前，AI領(lǐng)域有三大巨頭在Agent生態(tài)中積極布局：Anthropic：推出了MCP，旨在標(biāo)準(zhǔn)化AI大模型與外部工具和數(shù)據(jù)源的交互。Google：推出了A2A，專注于Agent之間的通信和...

在本文中，我將從使用者的角度出發(fā)，分享關(guān)于MCP（ModelContextProtocol，模型上下文協(xié)議）的實(shí)用內(nèi)容，本文旨在回答以下5個(gè)核心問題：什么是MCP？為什么需要MCP？作為用戶，我們?nèi)绾问褂瞄_發(fā)MCP？MCP架構(gòu)設(shè)計(jì)剖析MCP運(yùn)作機(jī)制剖析1、什么是MCP？MCP（ModelContextProtocol，模型上下文協(xié)議）的起源可以追溯到2024年11月25日，Anthropic在其發(fā)布的文章《IntroducingtheModelContextProtocol》中首次提出了這一概念。MCP定義了應(yīng)...

大多數(shù)普通人眼里AI的模樣是什么？看著網(wǎng)站草圖，AI就自動做了一個(gè)原形網(wǎng)站。只需要告訴AI指令，它就幫你完成了一系列的機(jī)票訂票流程。許多人更是憧憬過AllinOneApp——我只要動嘴，一切活有AI搞定?？梢哉f，現(xiàn)階段的AI使用形態(tài)，充其量就是個(gè)氛圍組。我只能獲取必要的資料指引，具體的活還得我自己來干。而過去兩年的發(fā)展，AIAgent不過是雷聲大，雨點(diǎn)小的玩意了。做的人很多，但是能夠在路人之間火出圈的產(chǎn)品，大抵也只有Manus...

模型架構(gòu)KimiVL模型整體架構(gòu)框架與前期內(nèi)容介紹的llava、reyes等多模態(tài)大模型的架構(gòu)大差不差，組成形式：視覺編碼器（MoonViT）+MLP層+MoE的LLM。模型架構(gòu)1.MoonViT：視覺編碼器MoonViT的設(shè)計(jì)目標(biāo)是能夠以圖像的原始分辨率處理圖像，從而消除復(fù)雜的子圖像分割和拼接操作。這種設(shè)計(jì)使得MoonViT能夠更靈活地處理不同分辨率的圖像，而不需要進(jìn)行額外的預(yù)處理步驟。實(shí)現(xiàn)方式：圖像分塊和拼接：MoonViT采用NaViT中的打包方法，將圖像...

“大模型的使用就類似于汽車駕駛，只有有經(jīng)驗(yàn)的老司機(jī)才能真正開好車。”隨著人工智能技術(shù)的發(fā)展，大模型的應(yīng)用范圍越來越廣，因此學(xué)習(xí)和使用大模型成了一個(gè)必不可少的技能。但很多人面對的問題是，不知道應(yīng)該怎么學(xué)習(xí)大模型，因此我們今天就來討論一下大模型的學(xué)習(xí)方式。怎么學(xué)習(xí)大模型或許你可能并不懂人工智能，你也可能不懂大模型技術(shù)，但是你懂汽車駕駛嗎？也就是開車。工具思想如果說你不知道應(yīng)該怎么學(xué)大模型，甚至覺得...

今天，國內(nèi)AI行業(yè)迎來了一場震撼性的開源盛宴——智譜AI（ZhipuAI）一口氣免費(fèi)開源了6款GLM系列大模型，涵蓋基座、推理、沉思三大類別，并細(xì)分9B和32B兩種參數(shù)量級。更令人振奮的是，其中GLMZ132B推理模型實(shí)測速度高達(dá)200tokens秒，登頂國內(nèi)商用模型速度之最，而價(jià)格卻僅為DeepSeekR1的130，甚至部分版本完全免費(fèi)商用！這一波操作，不僅讓開發(fā)者直呼“真香”，更讓行業(yè)開始思考：大模型的商用門檻是否正在被徹底打破？免費(fèi)開源...

北京時(shí)間4月15日凌晨，OpenAI毫無預(yù)兆地上線了GPT4.1系列模型！包含GPT4.1標(biāo)準(zhǔn)版、輕量級GPT4.1mini和極致性價(jià)比的GPT4.1nano三款模型，性能全面超越GPT4o，支持百萬級token上下文處理，價(jià)格卻更低。這一發(fā)布不僅讓開發(fā)者直呼“真香”，更標(biāo)志著AI技術(shù)向?qū)嵱没~出關(guān)鍵一步。顛覆性突破性能全面碾壓前代，長文本理解史詩級升級百萬token上下文窗口：GPT4.1系列支持100萬tokens的上下文長度（相當(dāng)于一本長篇小說的體量），是GPT4...

在人工智能技術(shù)日新月異的今天，昆侖萬維再次以驚人的創(chuàng)新力震撼業(yè)界——全新升級的SkyworkOR1(OpenReasoner1)系列中文推理大模型正式發(fā)布！這不僅是一次技術(shù)迭代，更是一場關(guān)于開源精神與AI普惠化的革命性突破。120參數(shù)量，比肩640B頂級模型SkyworkOR1系列最令人驚嘆的，莫過于其"以小博大"的卓越性能。據(jù)官方數(shù)據(jù)顯示，旗艦版本SkyworkOR132B雖然參數(shù)量僅為32B，卻能在多項(xiàng)基準(zhǔn)測試中與參數(shù)量高達(dá)640B的DeepSeekR1打得有來有...

Seaweed7B:CostEffectiveTrainingofVideoGenerationFoundationModel20250411｜ByteDance,ByteDanceSeed??83??http:arxiv.orgabs2504.08685v1??????https:huggingface.copapers2504.08685??????https:seaweed.video??研究背景與意義Seaweed7B是一種中等規(guī)模的視頻生成基礎(chǔ)模型，參數(shù)量約為70億。該研究的核心目標(biāo)是探索一種成本高效的訓(xùn)練策略，在計(jì)算資源有限的情況下實(shí)現(xiàn)與大規(guī)模模型相媲美的性能。視頻生成領(lǐng)...

在人工智能的發(fā)展歷程中，大語言模型(LLM)的推理能力一直是研究的核心焦點(diǎn)。然而，傳統(tǒng)的推理能力增強(qiáng)方法往往依賴于高質(zhì)量的監(jiān)督信號，如標(biāo)注好的答案或外部獎勵(lì)模型，這不僅成本高昂，而且難以擴(kuò)展。近期，來自上海人工智能實(shí)驗(yàn)室、西安交通大學(xué)等機(jī)構(gòu)的研究團(tuán)隊(duì)提出了一個(gè)革命性的解決方案——Genius框架，這是一個(gè)可泛化、純無監(jiān)督的高級推理自訓(xùn)練框架，能夠讓大語言模型在沒有任何外部監(jiān)督的情況下自我提升推理能力。傳統(tǒng)...

大型語言模型（LLM）在處理超出訓(xùn)練長度的上下文時(shí)往往會遇到嚴(yán)重的性能下降問題。NVIDIA研究團(tuán)隊(duì)最新提出的SWANGPT架構(gòu)通過巧妙的設(shè)計(jì)，成功解決了這一行業(yè)難題，無需額外的長上下文訓(xùn)練即可實(shí)現(xiàn)穩(wěn)健的長度外推能力。本文深入剖析SWANGPT的創(chuàng)新架構(gòu)、工作原理及其在長上下文處理領(lǐng)域的重大突破。1.長上下文處理的挑戰(zhàn)與現(xiàn)狀大型語言模型的上下文長度限制一直是制約其應(yīng)用場景的關(guān)鍵因素。目前主流的Transformer架構(gòu)在處理超出...