AI.x社区

4月15日，快手可灵2.0正式上线——上传几张图、几句话，AI就能给你剪出一段逼真到怀疑人生的视频！这次升级有多炸炸裂？视频效果全面提升：可灵2.0在动态质量、语义响应、画面美学等方面的呈现效果实现全球领先，同时全面升级视频及图像创作可控生成与编辑能力，上线全新的多模态视频编辑功能，能灵活理解用户意图；导演级操控：上传一张模特图+商品视频，AI能自动合成带动态光影的广告大片；局部精修：对专业创作者而言，可灵2...

编辑李美涵出品51CTO技术栈（微信号：blog51cto）据《AI科技评论》报道，字节跳动AILab将整体并入Seed团队，标志着这个成立已久的老牌研究院式组织，正在被一种更“扁平化”的新型研发模式彻底取代。自2025年2月原GoogleDeepMind副总裁吴永辉加入字节以来，字节的AI业务陆续迎来一系列组织架构和人事上的重大调整。原本由朱文佳独立负责的Seed部门，如今逐步演变为吴永辉与朱文佳分工协作的双负责人机制：朱文佳主抓模型应用方...

今天，可灵全系正式进入2.0时代了！先来看看2.0动态质量、语义响应、画面美学等维度做了升级，直接看视频是最直观的：要知道，可灵1.6表现已经相当能打，做到了文生图行业第一，文生视频行业第二的水平。根据发布会介绍，可灵AI全球用户规模突破2200万，过去的10个月里，其月活用户量增长25倍，累计生成超过1.68亿个视频及3.44亿张图片。而这次2.0的重磅发布，直接让可灵系列成为当之无愧的世界冠军——还是双料的。在文生图模...

编辑云昭出品51CTO技术栈（微信号：blog51cto）今天的智谱非常了不起，一天内同步发生了三件大事！每一件事都让界内十分提气！第一件事，智谱成为了首家启动IPO的“大模型六小龙”公司；第二件事，改了全球域名：z.ai；第三件事，一口气发布且开源了六款模型。开启IPO、上线全球域名、开源6款模型，每件都能成为当天的热搜，巧的是，同一天爆发开了。1.首个IPO，为什么是智谱？4月15日，一张中国证监会官网的截图被AI圈传开，官...

文章链接：https:arxiv.orgpdf2504.02782代码&数据集：https:github.comPicoTrexGPTImgEval亮点直击GPTImgEval，首个通过三个成熟基准（包括文本到图像生成、编辑和理解引导生成）定量和定性评估GPT4o图像生成能力的基准测试。全面结果突显了GPT4o在图像生成和理解能力上优于先前模型的卓越表现。基于测试结果深入分析，包括：（1）通过基于分类器的图像分析研究GPT4o的潜在底层架构；（2）对其弱点的系统性实证研究，包括常见...

今天凌晨1点，谷歌DeepMind终于将大家期待已久的Veo2整合到GeminiApp应用中，全面开放使用。Veo2可以最高生成8秒720P电影级视频，在运镜、文本语义还原、物理模拟、动作一致性等方面非常优秀，同时支持图片转视频功能。根据谷歌公布的测试数据显示，Veo2在用户偏好和提示还原方面已经超过了Sora、可灵1.5、MetaMovieGen和Minimax。此外，从今天开始开发人员可以在GoogleAIStudio中通过API使用Veo2。API详细地址：​​https:ai.g...

我见过的最省的GPT4o，Claude，Gemini2级别的模型，而且是国内唯一有机会上桌的，其实海外目前和这三家有资格掰手腕的也只有它自己，可以负责任的说其他的模型不配上桌吃菜（Gemini上个月都没资格）。其实性能好就不说了，DeepseekR1就还不错，国内讲道理是第一家做inferencetimingscalinglaw的模型，阿里是第二家，其他的就不太值得谈论了，其实国外也只有GPT和Google有资格，没想到年底还能出个DeepseekV3，在传统scalinglaw...

阿里的Ma等人于2018年在论文《EntireSpaceMultiTaskModel:AnEffectiveApproachforEstimatingPostClickConversionRate》中提出了ESMM模型，用于建模电商推荐系统中点击后转化率的预估问题，同时有效缓解了样本选择偏差和数据稀疏问题。本文将从ESMM模型提出的背景、问题建模、模型原理及损失函数涉及方面进行详细的阐述。1.ESMM模型背景（1）在电商推荐系统中，用户的行为一般遵循“曝光点击转化”的顺序，ESSM主要用于建模点击...

我集中精力，花2个多小时把DifySandbox官方源码研究了一下，终于理清了Sandbox执行代码的逻辑，顺便实现了在不修改官方difysandboxdocker镜像，用户上传文件后路径的获取和对Excel文件的数据处理。话不多说，先看效果。一个有9406条数据的Excel文件瞬间完成了数据处理工作。下面我来说一下，这个如何实现。Dify安装成功后，会有10个Docker容器，其中dockersandbox的作用是用来执行工作流中”代码“这个节点运行的代码。这样就保...

MCP（ModelContextProtocol）的热度还未消散，新的Agent接口标准A2A（Agent2Agent）又悄然登场。就在上周，Google在CloudNext大会上正式推出了Agent2Agent（A2A）开放协议。简单来说，A2A旨在为Agent之间的通信提供一个开放标准，促进不同Agent之间的协作与交互。目前，AI领域有三大巨头在Agent生态中积极布局：Anthropic：推出了MCP，旨在标准化AI大模型与外部工具和数据源的交互。Google：推出了A2A，专注于Agent之间的通信和...

在本文中，我将从使用者的角度出发，分享关于MCP（ModelContextProtocol，模型上下文协议）的实用内容，本文旨在回答以下5个核心问题：什么是MCP？为什么需要MCP？作为用户，我们如何使用开发MCP？MCP架构设计剖析MCP运作机制剖析1、什么是MCP？MCP（ModelContextProtocol，模型上下文协议）的起源可以追溯到2024年11月25日，Anthropic在其发布的文章《IntroducingtheModelContextProtocol》中首次提出了这一概念。MCP定义了应...

大多数普通人眼里AI的模样是什么？看着网站草图，AI就自动做了一个原形网站。只需要告诉AI指令，它就帮你完成了一系列的机票订票流程。许多人更是憧憬过AllinOneApp——我只要动嘴，一切活有AI搞定。可以说，现阶段的AI使用形态，充其量就是个氛围组。我只能获取必要的资料指引，具体的活还得我自己来干。而过去两年的发展，AIAgent不过是雷声大，雨点小的玩意了。做的人很多，但是能够在路人之间火出圈的产品，大抵也只有Manus...

模型架构KimiVL模型整体架构框架与前期内容介绍的llava、reyes等多模态大模型的架构大差不差，组成形式：视觉编码器（MoonViT）+MLP层+MoE的LLM。模型架构1.MoonViT：视觉编码器MoonViT的设计目标是能够以图像的原始分辨率处理图像，从而消除复杂的子图像分割和拼接操作。这种设计使得MoonViT能够更灵活地处理不同分辨率的图像，而不需要进行额外的预处理步骤。实现方式：图像分块和拼接：MoonViT采用NaViT中的打包方法，将图像...

“大模型的使用就类似于汽车驾驶，只有有经验的老司机才能真正开好车。”随着人工智能技术的发展，大模型的应用范围越来越广，因此学习和使用大模型成了一个必不可少的技能。但很多人面对的问题是，不知道应该怎么学习大模型，因此我们今天就来讨论一下大模型的学习方式。怎么学习大模型或许你可能并不懂人工智能，你也可能不懂大模型技术，但是你懂汽车驾驶吗？也就是开车。工具思想如果说你不知道应该怎么学大模型，甚至觉得...

今天，国内AI行业迎来了一场震撼性的开源盛宴——智谱AI（ZhipuAI）一口气免费开源了6款GLM系列大模型，涵盖基座、推理、沉思三大类别，并细分9B和32B两种参数量级。更令人振奋的是，其中GLMZ132B推理模型实测速度高达200tokens秒，登顶国内商用模型速度之最，而价格却仅为DeepSeekR1的130，甚至部分版本完全免费商用！这一波操作，不仅让开发者直呼“真香”，更让行业开始思考：大模型的商用门槛是否正在被彻底打破？免费开源...

北京时间4月15日凌晨，OpenAI毫无预兆地上线了GPT4.1系列模型！包含GPT4.1标准版、轻量级GPT4.1mini和极致性价比的GPT4.1nano三款模型，性能全面超越GPT4o，支持百万级token上下文处理，价格却更低。这一发布不仅让开发者直呼“真香”，更标志着AI技术向实用化迈出关键一步。颠覆性突破性能全面碾压前代，长文本理解史诗级升级百万token上下文窗口：GPT4.1系列支持100万tokens的上下文长度（相当于一本长篇小说的体量），是GPT4...

在人工智能技术日新月异的今天，昆仑万维再次以惊人的创新力震撼业界——全新升级的SkyworkOR1(OpenReasoner1)系列中文推理大模型正式发布！这不仅是一次技术迭代，更是一场关于开源精神与AI普惠化的革命性突破。120参数量，比肩640B顶级模型SkyworkOR1系列最令人惊叹的，莫过于其"以小博大"的卓越性能。据官方数据显示，旗舰版本SkyworkOR132B虽然参数量仅为32B，却能在多项基准测试中与参数量高达640B的DeepSeekR1打得有来有...

Seaweed7B:CostEffectiveTrainingofVideoGenerationFoundationModel20250411｜ByteDance,ByteDanceSeed🔺83​​http:arxiv.orgabs2504.08685v1​​​​​​https:huggingface.copapers2504.08685​​​​​​https:seaweed.video​​研究背景与意义Seaweed7B是一种中等规模的视频生成基础模型，参数量约为70亿。该研究的核心目标是探索一种成本高效的训练策略，在计算资源有限的情况下实现与大规模模型相媲美的性能。视频生成领...

在人工智能的发展历程中，大语言模型(LLM)的推理能力一直是研究的核心焦点。然而，传统的推理能力增强方法往往依赖于高质量的监督信号，如标注好的答案或外部奖励模型，这不仅成本高昂，而且难以扩展。近期，来自上海人工智能实验室、西安交通大学等机构的研究团队提出了一个革命性的解决方案——Genius框架，这是一个可泛化、纯无监督的高级推理自训练框架，能够让大语言模型在没有任何外部监督的情况下自我提升推理能力。传统...

大型语言模型（LLM）在处理超出训练长度的上下文时往往会遇到严重的性能下降问题。NVIDIA研究团队最新提出的SWANGPT架构通过巧妙的设计，成功解决了这一行业难题，无需额外的长上下文训练即可实现稳健的长度外推能力。本文深入剖析SWANGPT的创新架构、工作原理及其在长上下文处理领域的重大突破。1.长上下文处理的挑战与现状大型语言模型的上下文长度限制一直是制约其应用场景的关键因素。目前主流的Transformer架构在处理超出...