AIDaily 068/100

Vol.068

• 新版本发布：Ideogram发布了其高级文本到图像模型的2.0版本，引入重大升级和新功能。

• 五种图像样式：包括一般、写实、设计、3D和动漫风格，提供多样化的视觉效果。

• 写实风格：显著改善了人体特征如手和头发的纹理，解决了以往模型的常见问题。

• 设计风格：改进了文本渲染，便于用户创作贺卡、T恤设计等。

• 免费套餐：Ideogram提供免费服务，用户每天可免费生成约40张图像或10个提示。

• 行Ideogram 2.0以高质量的图像渲染和近乎完美的细节处理，成为模因、新闻通讯图像、YouTube缩略图、海报等用例的新标准。

• 全面开放：Midjourney向所有用户开放了其基于网络的AI图像编辑器和新工具。

• 免费试用：为新用户提供了免费试用，以便他们能够测试这些工具的功能。

• 用户友好：通过提供试用期，Midjourney降低了用户尝试AI图像编辑的门槛。

• 技术应用：Midjourney的AI图像编辑器可能包含多种创新功能，使用户能够更便捷地进行图像创作和编辑。

• 运动多样性：系统能处理从简单行走到复杂杂技的多样化动作，准确性和泛化能力超越以往方法。

• 适应性：AI适应物理限制，能够将动作转移到真实机器人上，同时保持平衡和风格。

• 实际演示：迪士尼发布了视频，展示了一个经过新AI技术训练的机器人，它可以跳舞并在被推动时保持站立。

• 行业意义：该系统为动画与机器人技术间架设了桥梁，使类人机器人能更自然地移动，更好地适应新环境。

• 微软Phi-3.5：推出三个新型号，包括42B参数MoE-instruct、3.82B参数mini-instruct和视觉指令模型，均在多基准测试中达到先进水平。

• 性能对比：与Gemini 1.5 Flash相媲美，在某些测试中接近OpenAI的GPT-4o。

• 英伟达Mistral-NeMo-Minitron 8B：基于上月发布的12B版本进行更新，通过修剪不必要权重并重新训练以提高准确性。

• 定制化应用：小尺寸使其高度可定制，适用于电话应用和客户服务聊天机器人等特定用途。新模型在不牺牲准确性的情况下提高速度和效率，Nvidia的8B模型计算成本比12B版本降低40倍。随着AI公司应对能源消耗和成本问题，这些高效模型的紧凑形态可能变得与模型功能同等重要。

• 访问开放：OpenAI宣布开放对GPT-4o模型的访问权限，允许独立开发人员进行调整。此前，大型科技公司的软件工程师才能使用最前沿的模型，独立开发人员通常只能使用开源的简化版本。

• 微调优势：通过微调，工程师可以最大化模型性能，满足特定需求，提升准确度和效率。

• 定制潜力：定制版本的GPT-4o，如专注于数学或编程的版本，有潜力刷新行业基准和记录。为庆祝新定制功能，OpenAI将提供每天100万个训练代币的免费额度，直至9月23日。

• 早期测试：xAI开始向选定的高级X用户推出Grok 2的早期测试版。

• 技术优势：Grok 2能使用X的实时数据，区别于ChatGPT和其他大型语言模型（LLMs）。

• 两种模式：提供常规模式和“有趣”模式，后者展现更独特和有趣的个性。

• 新闻处理：在收集和总结新闻时，Grok 2能引用特定推文，这是其他模型不具备的功能。Grok 2相较于其他顶级AI聊天机器人，如ChatGPT，其最大的优势在于能够访问X的实时信息并提供未经过滤的响应。随着Grok 3预计将在2024年底推出，xAI在短时间内证明了自己在LLM领域的竞争力。

• 技术升级：Groq为OpenAI的Whisper文本转语音模型推出了精简版API。

• 性能提升：新API的速度比原版快了240倍，提供更迅速的语音生成能力。

• 成本效益：与原模型相比，精简版API的成本显著降低，提高了性价比。

• 合作内容：加州与谷歌签订了一项为期5年、价值3亿美元的合作协议，旨在资助州内新闻编辑室和人工智能(AI)项目。

• 年度项目：合作计划中包括每年4000万美元的“人工智能创新加速器”项目。

• 资金投入：这项合作将为新闻机构和AI领域的创新项目提供稳定的资金支持。

• 目标与影响：通过这笔资金，加州和谷歌期望能够推动新闻行业的可持续发展和AI技术的创新与应用。