<menu id="yw4o4"></menu> 
打造更強大文生圖模型新思路有——面對Flux、stable diffusion、Omost等爆火模型，有人開始主打“集各家所長”。具體來說，清北、牛津、普林斯頓等機構(gòu)的研究者提出了?個全新文生圖框架IterComp。它能提取不同模型在各自領(lǐng)域的優(yōu)勢，同時不引入額外的復(fù)雜指令或增加計算開銷。論文
......
本文由站長之家合作伙伴自媒體作者“量子位公眾號”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）
GPT-4o，被擊敗了?最近大伙都被GPT-4o生成的各種“整活”圖像刷屏了吧，各種動漫油畫風(fēng)格改圖、經(jīng)典影視復(fù)現(xiàn)、漫畫設(shè)計改圖……新的玩法每天都在涌現(xiàn)，大有“AI一日，人間一年”之勢。甚至OpenAICEOSamAltman都累了:“收手吧，我們需要休息!”但就在GPT-4o火遍全球之際，一個來自初創(chuàng)團隊的新模型ReveImage，卻憑借其在特定圖像生成領(lǐng)域的出色表現(xiàn)，悄然贏得了用戶和專業(yè)榜單的
字節(jié)跳動發(fā)布豆包1.5深度思考模型，升級文生圖能力。該模型在專業(yè)領(lǐng)域和通用任務(wù)中表現(xiàn)突出，采用MoE架構(gòu)，總參數(shù)量200B，激活參數(shù)20B，推理成本優(yōu)勢顯著。同時，其圖像生成模型Seedream 3.0性能追平GPT-4o等頂尖模型。全球AI產(chǎn)業(yè)加速發(fā)展，開源模型降低技術(shù)門檻，推動商業(yè)化落地。微美全息等企業(yè)構(gòu)建開放AI生態(tài)，DeepSeek等公司通過開源策略促進技術(shù)普惠。行業(yè)迎來"開源AI+"新階段，企業(yè)需把握機遇應(yīng)對挑戰(zhàn)。
HiDream是一款由國內(nèi)團隊開發(fā)的AI模型，擅長生成復(fù)雜的圖片與多種風(fēng)格的藝術(shù)作品。它在多個測試中表現(xiàn)出對細(xì)節(jié)、材質(zhì)、光影控制以及創(chuàng)意概念的良好理解，尤其在人物動態(tài)、精細(xì)繪畫等方面效果顯著。HiDream支持輸出4K高清圖片，并兼容多種應(yīng)用領(lǐng)域，包括商業(yè)用途。盡管在某些特定要求下還需提升表現(xiàn)，但其潛力和實際效果已受到關(guān)注。
UC伯克利和艾倫實驗室的最新研究表明，推理模型無需依賴冗長的思考過程也能有效工作。研究人員提出的"無思考(NoThinking)"方法通過簡單提示直接生成解決方案，跳過了傳統(tǒng)推理模型中的顯性思考步驟。實驗證明，在低資源(低token數(shù)量、少模型參數(shù))或低延遲情況下，NoThinking方法的表現(xiàn)優(yōu)于傳統(tǒng)思考方式，能減少token使用量并提高推理速度。該方法在數(shù)學(xué)問題解決、編程和形式定理證明等任務(wù)中表現(xiàn)優(yōu)異，尤其在資源受限時優(yōu)勢更明顯。研究還發(fā)現(xiàn)，結(jié)合并行計算擴展后，NoThinking能進一步提升性能，在保持準(zhǔn)確性的同時顯著降低延遲和計算成本。這一發(fā)現(xiàn)挑戰(zhàn)了"推理模型必須依賴詳細(xì)思考過程"的傳統(tǒng)認(rèn)知。
OpenAI發(fā)布全新圖像生成模型GPT-image-1，通過API向全球開發(fā)者開放。該模型支持精細(xì)控制圖像敏感度、生成效率、背景、輸出格式等參數(shù)，并集成吉卜力模式。Adobe、Figma等企業(yè)已將其應(yīng)用于產(chǎn)品中。API支持批量生成、蒙版編輯、透明度調(diào)整等高級功能，圖像生成成本從0.02-0.19美元/張不等。CEO Sam Altman表示該模型與ChatGPT版本差異顯著，開發(fā)者可通過API實現(xiàn)更多創(chuàng)意場景。新模型在?
今日，字節(jié)跳動豆包大模型團隊宣布，正式開源首個多語言類SWE數(shù)據(jù)集Multi-SWE-bench，可用于評估和提升大模型自動修Bug”能力。在SWE-bench基礎(chǔ)上，Multi-SWE-bench首次覆蓋Python之外的7種主流編程語言，是真正面向全棧工程”的評測基準(zhǔn)。相比于以往聚焦Python的單語言任務(wù)，Multi-SWE-bench更貼近現(xiàn)實中的多語言開發(fā)場景，也更能反映當(dāng)前模型在自動化軟件工程”方向上的實際能力邊界。
2025年4月24日上海車展期間，上汽奧迪發(fā)布全新A5L Sportback和首款量產(chǎn)車型E5 Sportback。同時推出與火山引擎合作開發(fā)的"奧迪助手"智能交互系統(tǒng)，基于豆包大模型實現(xiàn)自然對話體驗。該系統(tǒng)將搭載于兩款新車，并同步部署在車載端和手機APP端，支持跨設(shè)備對話記錄同步?；鹕揭鏋橄到y(tǒng)提供大模型技術(shù)支持，實現(xiàn)語音指令控制、車輛功能講解等智能服務(wù)，并整合抖音、汽水音樂等內(nèi)容生態(tài)。上汽奧迪表示，該合作將助力品牌打造更智能、個性化的產(chǎn)品矩陣。
4 月 17 日，全球領(lǐng)先的專業(yè)視聽及集成體驗解決方案展會——InfoCommChina 2025 于北京國家會議中心成功舉辦。
文章報道了某電子產(chǎn)品的召回事件，針對該產(chǎn)品Y700系列中的一個缺陷進行了詳細(xì)解釋。產(chǎn)品在長時間使用后可能出現(xiàn)屏幕失常、圖像扭曲、亮度變化等問題。通過改進設(shè)計，優(yōu)化了產(chǎn)品的耐用性和電池壽命，確保了8.8小時的續(xù)航能力，電池容量增加到7000mAh，同時配備了雙攝像頭和面部解鎖功能，提升了用戶體驗。改進后的產(chǎn)品在8月10日上市。文章指出，改進后的Y700系列不僅解決了電池壽命問題，還提高了攝像頭的性能和電池續(xù)航能力，改善了整體體驗。
本文探討了人工智能語音交互領(lǐng)域的發(fā)展現(xiàn)狀與挑戰(zhàn)。文章指出，大模型技術(shù)驅(qū)動下語音交互應(yīng)用場景持續(xù)拓展，但面臨數(shù)據(jù)質(zhì)量、隱私合規(guī)等挑戰(zhàn)。當(dāng)前語音大模型訓(xùn)練需要TB至PB級數(shù)據(jù)，而傳統(tǒng)數(shù)據(jù)供給模式難以滿足需求。合成數(shù)據(jù)作為真實數(shù)據(jù)的重要補充，能通過參數(shù)化生成機制規(guī)避隱私風(fēng)險，突破傳統(tǒng)數(shù)據(jù)在多樣性和場景覆蓋上的局限性。國內(nèi)外科技企業(yè)已開始廣泛應(yīng)用合成數(shù)據(jù)訓(xùn)練AI模型，如Meta的LLaMA3和微軟的Phi-4模型。標(biāo)貝科技推出超大規(guī)模擬真多風(fēng)格語音合成數(shù)據(jù)集，包含上萬小時數(shù)據(jù)，覆蓋中英混合場景，支持情感合成、風(fēng)格遷移等前沿任務(wù)，為虛擬偶像、數(shù)字人等元宇宙場景提供實時語音生成方案。該數(shù)據(jù)集基于32kHz高保真采樣率技術(shù)，在自然度、流暢度等方面達到行業(yè)領(lǐng)先水平。
