El equipo de modelos Doubao de ByteDance anunció recientemente que ha superado con éxito los cuellos de botella clave de la arquitectura de modelos de expertos mixtos (MoE) y ha publicado una importante tecnología de optimización llamada COMET. Esta tecnología mejora significativamente la eficiencia del entrenamiento de los modelos grandes, logrando una mejora de hasta 1,7 veces y reduciendo en un 40% los costes de entrenamiento. Nota sobre la imagen: Imagen generada por IA, proveedor de servicios de licencias de imágenes Midjourney. Según la información facilitada, la tecnología COMET ya se ha aplicado en el entrenamiento de clústeres de miles de tarjetas gráficas de ByteDance, lo que ha supuesto un ahorro de millones de GP.

Recientemente, el mundo de la tecnología y la comunidad de desarrolladores han sido inundados por un proyecto de código abierto llamado Browser Use. Esta herramienta es como si le hubiéramos dado alas a la IA, permitiéndole controlar un navegador con la misma soltura que un humano. Con lenguaje natural, se puede dirigir a la IA para que complete automáticamente diversas tareas web. Su potente capacidad de automatización y su flexible sistema de implementación han encendido la pasión de los amantes de la tecnología de todo el mundo, generando una gran ola en la plataforma X (antes Twitter). Browser Use se está expandiendo rápidamente, impulsando el avance de la IA en el campo de la automatización de navegadores.

Recientemente, la comunidad Modelers lanzó oficialmente Step-Video y Step-Audio, dos modelos multimodales de código abierto desarrollados por Step-Video. Estos dos modelos se utilizan para la generación de video e interacción de voz, con el objetivo de proporcionar herramientas de IA más potentes para desarrolladores y empresas. El nombre completo del modelo Step-Video es Step-Video-T2V, un modelo de generación de video de código abierto, el más grande del mundo, con una capacidad de 30 mil millones de parámetros. Este modelo puede generar directamente videos de 20 segundos...

Recientemente, Cisco anunció la creación de una nueva organización de código abierto, AGNTCY. El objetivo de esta organización es proporcionar la infraestructura clave para la construcción y el trabajo colaborativo de agentes de IA. Cisco espera que esta organización reúna a profesionales de la IA y la infraestructura para impulsar el desarrollo de una internet de agentes abierta e interoperable. Nota sobre la imagen: La imagen fue generada por IA, proveída por Midjourney. Al anunciar oficialmente la creación de AGNTCY, Cisco hizo un llamado a expertos de todos los sectores para que participen y contribuyan.

LTX-Video 0.9.5 se lanza con nuevas características y mejoras, llevando la generación de video con IA de código abierto a un nivel superior. Descubre las innovaciones y las mejoras de rendimiento en esta última versión.

Alibaba ha lanzado Tongyi Qianwen QwQ-32B, un nuevo modelo de inferencia de código abierto que ofrece un rendimiento sorprendente incluso en tarjetas gráficas de consumo. Este modelo permite a los usuarios ejecutar inferencias de modelos de lenguaje grande sin necesidad de recursos de computación en la nube de alto costo, abriendo nuevas posibilidades para la investigación y el desarrollo de IA.

El nuevo modelo de texto a imagen de código abierto de inteligencia artificial de Zhipu AI, CogView4, hace su debut oficial. CogView4 no solo alcanza los 600 millones de parámetros, sino que también admite completamente la entrada en chino y la generación de imágenes a partir de texto chino, y se le considera el primer modelo de código abierto capaz de generar caracteres chinos en imágenes. El punto más destacado de CogView4 es su capacidad para admitir indicaciones en chino e inglés, siendo especialmente bueno para comprender y seguir instrucciones complejas en chino, lo que lo convierte en una bendición para los creadores de contenido chino. Como el primer modelo de texto a imagen de código abierto capaz de generar caracteres chinos en imágenes, llena un vacío importante en el campo del código abierto.

Beijing Zhihuazhang Technology Co., Ltd. ha anunciado el lanzamiento de CogView4, el primer modelo de generación de imágenes a partir de texto de código abierto que admite la generación de caracteres chinos. Este modelo ocupa el primer lugar en la clasificación general de las pruebas de referencia DPG-Bench, convirtiéndose en el mejor modelo de generación de imágenes a partir de texto de código abierto (SOTA), y sigue el protocolo Apache2.0, siendo el primer modelo de generación de imágenes que admite este protocolo.

Se ha descubierto que la herramienta de modelos grandes Ollama presenta graves vulnerabilidades de seguridad, poniendo en riesgo a los usuarios. Se recomienda precaución y se investiga la solución al problema.