>> 第一上海-AI行業(yè)大模型周報(bào)-250811
| 上傳日期： |
2025/8/12 |
大?。?/td>
| 322KB |
| 格式： |
pdf 共3頁 |
來源： |
第一上海 |
| 評級： |
-- |
作者： |
陳曉霞,李倩,李京霖 |
| 下載權(quán)限： |
無限制-登錄即可下載 |
|
|
Llama：Meta的TBD實(shí)驗(yàn)室牽頭開發(fā)新版Llama模型
8月8日，據(jù)華爾街日報(bào)，Meta Platforms公司一個(gè)名為TBD實(shí)驗(yàn)室正在牽頭開發(fā)最新版本的大語言模型Llama。上周，負(fù)責(zé)監(jiān)督Meta超級智能實(shí)驗(yàn)室的首席人工智能官亞歷山大·王在給員工的一份備忘錄中寫道，TBD實(shí)驗(yàn)室將與Meta的其他人工智能團(tuán)隊(duì)合作開展各種項(xiàng)目，包括即將發(fā)布的模型、模型推理能力的擴(kuò)展和人工智能代理的開發(fā)。新的Llama項(xiàng)目由Jack Rae領(lǐng)導(dǎo)，他是從谷歌聘請到TBD實(shí)驗(yàn)室的。該項(xiàng)目模型還沒有正式名稱，但在內(nèi)部被一些人稱為Llama4.5和Llama 4。
ChatGPT：OpenAI推出GPT5
8月7日，OpenAI發(fā)布了其最新人工智能模型GPT-5。該公司將向所有人提供GPT-5，包括免費(fèi)用戶，如果免費(fèi)用戶達(dá)到使用上限，他們可以使用GPT-5 mini。OpenAI的Plus用戶有更高的使用量，Pro用戶可以無限制地訪問GPT-5，ChatGPTEdu和ChatGPT企業(yè)用戶將在8月6日大約一周后獲得GPT-5的訪問權(quán)限。模型提供400,000tokens(輸入)，128,000tokens(輸出)的上下文窗口；測試集表現(xiàn)優(yōu)異（HLE:30.7、GPQA:88.4、AIME25:100、LiveCodeBench:86.6(mini)）。OpenAI表示，該模型在寫作、編程和醫(yī)療保健等領(lǐng)域表現(xiàn)突出。編程方面，可用AI根據(jù)自然語言提示生成功能代碼，從而加快開發(fā)速度。在創(chuàng)意寫作方面，GPT-5能夠處理結(jié)構(gòu)復(fù)雜的寫作任務(wù)。健康咨詢方面，GPT-5能更積極地標(biāo)記潛在健康問題，幫助用戶解析醫(yī)療結(jié)果。
Claude：Anthropic發(fā)布Claude Opus 4.1
8月5日，Anthropic發(fā)布了Claude Opus 4.1，對Claude Opus 4在智能體任務(wù)、現(xiàn)實(shí)世界編碼及推理能力上的升級。該版本現(xiàn)已向Claude付費(fèi)用戶、ClaudeCode用戶開放，同時(shí)在其API、亞馬遜Bedrock以及谷歌云Vertex AI平臺上線，定價(jià)與Opus 4保持一致。據(jù)反饋，Claude Opus 4.1在多數(shù)能力上較Opus 4均有提升，其中多文件代碼重構(gòu)方面的性能提升尤為顯著。該版本能精準(zhǔn)定位大型代碼庫中的具體問題并修正，不會進(jìn)行不必要的調(diào)整或引入漏洞。
Gemini：DeepMind推出世界模型Genie 3
8月4日，谷歌DeepMind宣布推出第三代通用世界模型Genie 3，給出文本提示，Genie 3可以生成動態(tài)世界，每秒24幀，并以720p的分辨率保持幾分鐘的一致性。與前代模型（如Genie 1/2）和視頻生成模型（如Veo 2，Veo 3對直覺物理學(xué)的深刻理解）相比，Genie 3是第一個(gè)允許實(shí)時(shí)交互的世界模型，同時(shí)與Genie 2相比，其一致性和真實(shí)感也得到了提升。
核心能力：1、模擬世界的物理特性。2、模擬自然世界。3、動畫和小說建模。4、探索不同地域與歷史場景。5、突破實(shí)時(shí)性能的極限：在每一幀的自回歸生成過程中，模型必須考慮先前生成的隨時(shí)間增長的軌跡。例如，如果用戶在一分鐘后重新訪問某個(gè)位置，則模型必須引用一分鐘前的相關(guān)信息。6、長時(shí)程環(huán)境一致性。7、可提示的世界事件。
Grok：xAI宣布向全球所有用戶免費(fèi)開放Grok 4
8月11日，馬斯克宣布Grok4現(xiàn)在對所有用戶免費(fèi)開放。免費(fèi)用戶每天可完成少量查詢，超過限制則需要訂閱。根據(jù)xAI官方介紹，有「自動」和「專家」兩種運(yùn)作模式，前者會根據(jù)查詢復(fù)雜度智能切換運(yùn)算資源，后者則全程使用Grok 4進(jìn)行處理。此次免費(fèi)政策推出時(shí)機(jī)耐人尋味，正值競爭對手OpenAI剛發(fā)布GPT-5并全面開放給各級用戶使用之際。
Qwen：阿里巴巴發(fā)布Qwen-Image
8月4日，阿里巴巴發(fā)布了Qwen-Image。Qwen-Image在復(fù)雜文本渲染和高保真圖像編輯上取得了突破。
核心亮點(diǎn)：
頂級的文本渲染能力：多語種高保真度渲染，尤其在處理復(fù)雜的中文（logographic languages）方面，表現(xiàn)遠(yuǎn)超現(xiàn)有模型。
高一致性的圖像編輯：通過創(chuàng)新的多任務(wù)訓(xùn)練框架，Qwen-Image在編輯圖像時(shí)，能完美保留非編輯區(qū)域的視覺細(xì)節(jié)和整體圖像的語義連貫性。
全面的SOTA性能：在多項(xiàng)公開的圖像生成和編輯基準(zhǔn)測試中，Qwen-Image都展現(xiàn)了業(yè)界頂尖的性能，證明了其強(qiáng)大的綜合實(shí)力。
開放生態(tài)：作為Qwen系列的一員，它是一個(gè)開源模型，為廣大開發(fā)者和研究者提供了強(qiáng)大的工具。
模型架構(gòu)：三位一體的協(xié)同作戰(zhàn)
Qwen-Image總參數(shù)量達(dá)到了驚人的270億（7BVLM + 20BMMDiT）。結(jié)構(gòu)包括條件編碼器負(fù)責(zé)理解用戶的輸入、圖像分詞器負(fù)責(zé)將高清圖像壓縮成緊湊的潛在表示，并在生成過程結(jié)束時(shí)將其解碼回高清圖像、多模態(tài)擴(kuò)散變換器(MMDiT)負(fù)責(zé)在VAE的潛在空間中，根據(jù)Qwen2.5-VL提供的指引，從隨機(jī)噪聲中逐步生成目標(biāo)圖像。
|
|
