栏目分类
发布日期：2025-01-13 06:42 点击次数：75
本文来自微信公众号：四木相对论，作家：Lax、Dreamy，题图来自：AI生成
2024年的临了一个月，全球AI圈好像约好了，一谈开启年底狂卷模式，批量发布新品。
据“四木相对论”统计，这场年末上新的“战局”，至少有15家全球Top级AI公司参与，上新了20+个功能。
在国外，最受护理的无疑是OpenAI开启12天大放送，期货Sora终于好意思满。
差未几同期，Google、xAI、World Labs、Meta、Amazon、Pika、Runway等国外名企也都上新了AI功能。
国内的12月，大厂、六小虎和AI鲶鱼DeepSeek，无一不踏入战局。
“卷王”字节首当其冲。它在豆包和即梦中上新了图像默契智商。
六小虎中的MiniMax、阶跃星辰、智谱AI，有的卷模子，有的卷Agent应用。Deepseek和腾讯平直上新并开源了模子。
全体来看，各大公司近期的更新呈现以下特色：
视觉智商和分娩力场景是两大主题；
80%以上的更新都围绕“视觉”；
可合作、可剪辑是居品层更新的标的；
剖释默契智商依旧是模子层的要点。
但卷归卷，不少居品也出于枯竭曝光等成分，发布得“悄无声气”。
还有些万众期待的居品，比如Sora，收货了满屏差评。
在这个绝不动摇的12月，现时你记着了谁？
国外：OpenAI挤牙膏，其他家无东谈主care？
在这个12月，仍是加入AI上新战局的国外公司至少有OpenAI、Google、xAI、Meta、Amazon、Pika……
“营销众人”OpenAI的声威最大。
12月6日，它拉开了“双十二”的阵仗，要连作念十二场发布会。
现时日程仍是参加到第七天，发布后果如下：
Day1：发布o1郑再版以及o1 Pro版块，以及200好意思金的ChatGPT Pro会员。
Day2：先容强化微调（Reinforcement Finetuning）功能，即通过少许数据让模子在专科领域到达众人水平。
Day3：Sora登场，接入了新模子Sora Turbo的Sora，最高上限相沿生成1080p、20秒视频，相沿横屏竖屏多样常见尺寸。
Day4：发布分娩力器具Canvas，该功能允许用户与ChatGPT合作写稿和编码。
Day5：ChatGPT融入苹果生态。
Day6：三个功能发布：及时视频通话、及时默契屏幕、圣诞老东谈主抑止语音。
Day7：推出了Projects In ChatGPT功能，不错将ChatGPT的多样功能整合至一处，便于用户创建并不竭各样名目。
不仅是OpenAI，Google、Pika、Midjourney、xAI也在这周有了新行动。
12月14日，Pika上新模子2.0，引入场景元素（Scene Ingredients）功能。
这一功能允许用户目田取舍扮装、物品、服装和场景元素，凭证需求构建特色镜头。同期， Pika 2.0相沿多东谈主在归拢画布上合作。
12月12日凌晨，谷歌发布了Gemini2.0，宣称“Gemini2.0 是咱们迄今为止最新、功能最稠密的 AI 模子。”
这一模子不错相沿图片、视频和音频等多模态的输入和输出，速率亦然1.5Pro的两倍，还能平直调用Google Search、代码扩充等器具。
在Gemini2.0架构之上，谷歌还推出或升级了三个新的AI Agent原型：通用大模子助手Project Astra、浏览器助手Project Mariner、编程助手Jules。
不外，Gemini2.0的声量相较于Sora小得多。
险些在官宣之后不到半小时，Gemini 2.0词条的热度在Twitter上就仍是掉到了第8。在不竭下落的经由中，网友们还在共享Sora的鬼畜视频，以及Hunyuan、Hailuo、Kling与Sora的智商对比。
这可能亦然因为Gemini 2.0的更新诚然好评许多，但从表述上看起来很“惯例”：更快速的反应、相沿联网搜索、新上线的“深度筹谋”功能相沿多轮复杂推理、代码生成增强、第三方器具调用智商补充。
归拢天，Midjourney官宣了patchwork功能更新。
这是一个允许多东谈主在线共同创建出一个寰宇的实验性功能，扫数参与者将在一块白板画布上共同创作（有点像Canva和Figma的共同剪辑）。
而且画布还给每个用户的寰宇创建了一个传送门，不错贯穿到别东谈主的寰宇中。
之前Midjourney的更新基本都围绕着图片生成的智商，比如相沿AI修图、相沿新画风的模子等等。
但此次的Patchwork让MJ在玩法上有了大不同，从一个只可一个东谈主用的图片生成器具，酿成了一个不错让人人一谈玩起来的AI艺术创作居品。
手持巨卡的xAI，通常在卷视觉标的。
12月10日，xAI发布了首款完全自研图像生成模子Aurora。
Aurora仍是平直集成到了Grok中，这是一个自转头夹杂众人模子（MoE），在夹杂文本和图像数据集上完成了锻练。除了图片生成，Grok还有剪辑智商，用户不错平直在生成的图像上进行修改，这一功能也将上线X。
Meta也在12月7日发布了Llama 3.3，在性能上开卷。别传现时70B的版块就能实现曩昔405B的性能。
它在指示辞退（IFEval）、数学（MATH）、推理（GPQA Diamond）等领域的水平都杰出了七月份发布的Llama 3.1 405B。在说话（MMLU）、代码（HumanEval）、长文本和多语种智商上，它的成绩也和Llama 3.1 405B比较接近。
官方将Llama 3.3的杰出归功于新的对皆经由和在线强化学习时期的杰出。
Runway则在前一天，也便是12月6日更新了我方的act-one功能。这个新功能允许用户将我方拍摄的上演行动或声气平直“套用”到已有的视频扮装上（包括AI扮装）。
在12月最早打响发布“竞赛”的其实是“AI教母”李飞飞。
12月3日，李飞飞创立的World Labs初度官宣了“空间智能”模子，欺诈一张图就能生成一个3D寰宇。
这些3D场景都能在浏览器中及时渲染，还能实现可控的相机效果，可退换的模拟景深。
亦然在归拢天，亚马逊对外发布了多模态模子Nova系列。
亚马逊此次平直发了一个大号全家桶，包括：超快速文本生成模子Amazon Nova Micro，大概处理文本、图像和视频并生成文本的多模态模子Amazon Nova Lite、Amazon Nova Pro和Amazon Nova Premier，用于生成高质料图像的Amazon Nova Canvas和用于生成高质料视频的Amazon Nova Reel。
无论这一波国外的年底上新怎么绝不动摇，看起来，许多东谈主只护理了Sora。
好吧，OpenAI的营销又赢了。
国内：六小虎大厂混战视觉
比较国外，国内厂商们的“卷”势更早出现。各家的标的从模子卷到居品，离不开视觉和分娩力两个话题。
“四木相对论”也对近半个月的新品进行了汇总：
在大公司里，字节和腾讯是12月最卷的大厂（通义千问在11月28日发布了QWQ模子）。
在这个12月，前者在豆包和即梦上先后更新功能，后者一下子开源了视频生成模子。
先看字节。
12月10日，豆包官方暗示，电脑版的视频生班师能仍是开启内测。
获取内测阅历的账号逐日可免费生成十支视频。内测苦求通事后，取舍“视频生成”功能，上传一张图片，输入领导词，并添加运镜、分镜信息，就能生成短视频。
再往前的12月5日，豆包增多了AI生成翰墨图功能。也便是说，用户现时不错在领导词中加入文本条目，生成带有指定翰墨的图片，作念海报、作念神采包都能用。
（四木用豆包作念的图，强调了“四木厨房”）
雷同的功能还体现时即梦上。
12月2日晚，即梦上新2.1模子。此次的模子突破体现时汉文翰墨不错相识生成，天然也相沿英文。
腾讯混元这个月最大的行动，便是适应上线视频生成智商。
12月3日，腾讯不仅上线了这个130亿参数的模子，还把它开源了。
现时，模子已上线腾讯元宝APP，用户可在AI应用中的“AI视频”板块苦求试用。企业客户通过腾讯云提供作事接入，API同步开放内测苦求。
“四木相对论”不雅察到，腾讯混元系列模子在这两个月行动比较经常。
11月初，它书记最新的MoE模子“混元Large”以及混元3D生成大模子“Hunyuan3D-1.0”适应开源。12月又上新文生视频智商，适应加入了卷视频模子的队伍。
大厂以外，大模子六小虎中的三虎——智谱AI、MiniMax和阶跃星辰也在本月上新。
先来看智谱。
12月的智谱在模子和应用两头发力。最初是多模态模子——GLM-4V-Flash上线了智谱的开放平台，不错免费调用。
GLM-4V-Flash模子领有图像描画生成、图像分类、视觉推理、视觉问答（VQA）以及图像心机分析等图像处理功能。
多模态/视觉类的API都特等贵，堪称视觉智商对标GPT-4o mini模子的GLM-4V-FlashAPI免费，也称得上是真卷。
居品方面，Auto-GLM是智谱近期的要点。
最初智谱在11月29日发布了Auto-GLM的手机版和电脑版。半个月之后的12月12日，Auto-GLM又更新了一个版块。
用户绽开AutoGLM后，不错通过语音发指示，让智能体接受我方的手机，并在可操作的App上自动扩充购买外卖，订高铁票、目的地导航等任务。
经过“四木相对论”测试，更新之后，Auto-GLM相沿的应用更相识。同期它还增多了自界说高频短口令，快速触发常用任务等功能。
智谱CEO张鹏在发布会现场的AI发红包操作一度刷屏，“四木相对论”也复刻班师了。
Minimax通常在这个月卷起了多模态。
12月3日，海螺AI图生视频模子I2V-01-Live上线了。
视频生成一定是MiniMax本年的亮点之一。之前，MiniMax的亮点险些全部蚁合于Talkie，但海螺视频的上线冲突了这一印象。
此次的I2V-01-Live更新了二维插画的动态呈现步地，让动画相识性和考究推崇力有了增强。一张图+一句话就能将2D插画转动为动态视频。
一直略显低调的另一只小虎阶跃星辰也有模子层的更新。
周五（12月13日）阶跃星辰发布了端到端语音大模子——Step-1o 。
从官方先容来看，Step-1o 相沿语音、文本等夹杂神气的输入和输出，能默契和师法音色、韵律、方言、个性化的白话抒发习气等声气特征。它还大概通过自学和师法不竭普及复兴质料，提供处分问题的专科冷漠。
从场景上看，它相沿包括新闻播报、聊天陪同、有声读物、在线素养、智能硬件、汽车等语音交互时期需求。
近期，Step-1o还将接入跃问App端，实履行时语音通话作事。
国内AI圈另一无法忽视的扮装——DeepSeek，在短短半月内进行了两次上新。
最新开源的DeepSeek-VL2（12月13日发布）是一个众人夹杂（MoE）说话模子。
DeepSeek-VL2比一代DeepSeek-VL多一倍优质锻练数据，引入梗图默契、视觉定位、视觉故事生成等新智商。视觉部分使用切图战略相沿动态分歧率图像，说话部分取舍MoE架构低资本高性能。
此次，大模子价钱“卷王”更是在视觉模子上开“卷”。
凭证DeepSeek提供的评测对比，DeepSeek-VL2在相似或更少的激活参数下实现了首先进的性能。
另外，DeepSeek V2.5系列的最终版微调模子——DeepSeek-V2.5-1210也在2月10日更新。
据官网先容，此次更新通过Post-Training全面普及了模子各方面智商推崇，包括数学、代码、写稿、扮装扮演等。同期，新版模子优化了文献上传功能，况兼全新相沿了联网搜索，不错作事各样责任生存场景。
不同于某些AI公司只强调功能或者模子的偏好，此次DeepSeekV2.5-1210模子更新后，它的Chat窗口呈现出两个Tag——“深度念念考”和“联网搜索”。
这似乎在告诉外界：居品平时场景和模子推贤慧商我完全要。简直是卷王了。
12月才刚刚过半，接下来，AI圈的上新还会接续。
毕竟，OpenAI的年末发布刚刚走过一半。字节也会鄙人周举行大会，强调豆包、即梦的更新。
最卷12月，AI永不眠。
本文来自微信公众号：四木相对论，作家：Lax、Dreamy