L'équipe du modèle de langage large Doubao de ByteDance a récemment annoncé avoir réussi à surmonter les goulots d'étranglement clés de l'architecture du modèle d'expert mixte (MoE) et a publié en open source une technologie d'optimisation majeure nommée COMET. Cette technologie améliore considérablement l'efficacité de l'entraînement des grands modèles, permettant une augmentation de l'efficacité allant jusqu'à 1,7 fois et réduisant efficacement les coûts de formation de 40 %. Remarque sur l'image : l'image a été générée par l'IA, le fournisseur de services d'autorisation d'image étant Midjourney. COMET a déjà été appliquée à l'entraînement en cluster de plusieurs milliers de cartes chez ByteDance, permettant des économies de plusieurs millions de GP.

Récemment, le monde de la technologie et la communauté des développeurs ont été submergés par un projet open source nommé Browser Use ! Cet outil est comme des ailes pour l'IA, lui permettant de contrôler un navigateur aussi facilement qu'un humain. Il suffit d'un langage naturel pour commander à l'IA d'effectuer automatiquement diverses tâches sur le Web. Ses puissantes capacités d'automatisation et sa flexibilité de déploiement ont instantanément enflammé la passion des amateurs de technologie du monde entier, déclenchant une vague immense sur la plateforme X (anciennement Twitter). Browser Use se propage à une vitesse fulgurante, propulsant l'IA dans le domaine de l'automatisation des navigateurs.

Récemment, la communauté Modelers a officiellement lancé Step-Video et Step-Audio, deux grands modèles multimodaux open source développés par Step-Video. Ces deux modèles sont respectivement utilisés pour la génération de vidéo et l'interaction vocale, visant à fournir aux développeurs et aux entreprises des outils IA plus performants. Step-Video, dont le nom complet est Step-Video-T2V, est un modèle de génération de vidéo open source parmi les plus grands au monde, avec un nombre de paramètres atteignant 30 milliards. Ce modèle est capable de générer directement des vidéos de 20...

Heygem est une version open source de HeyGen, capable de cloner précisément l'apparence et la voix d'une personne, et de synchroniser les mouvements de la bouche avec la parole. Une avancée majeure dans la création de vidéos réalistes et personnalisées.

Cisco a récemment annoncé la création d'un nouvel organisme open source, AGNTCY. L'objectif de cet organisme est de fournir les infrastructures essentielles à la construction et à la collaboration des agents IA. Cisco espère ainsi rassembler des professionnels de l'IA et des infrastructures pour promouvoir le développement d'un internet d'agents ouvert et interopérable. Note sur l'image : Image générée par IA, fournisseur de services d'autorisation d'images Midjourney. Lors de l'annonce officielle de la création d'AGNTCY, Cisco a appelé les experts à participer activement et à apporter leur contribution.

Le modèle linguistique QwQ-32B d'Alibaba, basé sur Tongyi Qianwen, a atteint la première place du classement des modèles de langage open source. Il démontre des capacités de raisonnement impressionnantes.

Le 6 mars, l’Institut de recherche sur l’intelligence artificielle de Beijing a annoncé la publication en open source du modèle de vecteur multimodal BGE-VL. Cette réalisation marque une percée majeure dans le domaine de la recherche multimodale. Le modèle BGE-VL a obtenu les meilleurs résultats dans les tâches de recherche multimodale telles que la recherche d’images et de texte et la recherche d’images combinées, améliorant considérablement les performances de la recherche multimodale.

Alibaba a publié QwQ-32B, un nouveau modèle d'inférence open source de 32 milliards de paramètres. Ses performances sont comparables à celles de DeepSeek-R1, tout en nécessitant une empreinte mémoire vidéo significativement plus petite. Cela le rend plus accessible et efficace pour les applications d'inférence.

Microsoft a publié ART, un nouveau modèle d'image open source capable de générer des images multicouches avec des calques transparents. Ce modèle offre une grande flexibilité pour créer des images complexes et détaillées.

Le dernier modèle d'IA open source de génération d'images à partir de texte de Zhihu AI, CogView4, vient d'être dévoilé. Avec 600 millions de paramètres, CogView4 prend entièrement en charge la saisie en chinois et la génération d'images à partir de texte chinois. Il est considéré comme le premier modèle open source capable de générer des caractères chinois dans les images. Le point fort principal de CogView4 est sa prise en charge des invites bilingues chinois-anglais. Il excelle particulièrement dans la compréhension et le respect des instructions complexes en chinois, devenant ainsi une aubaine pour les créateurs de contenu chinois. En tant que premier modèle open source de génération d'images à partir de texte capable de générer des caractères chinois dans les images, il comble une lacune importante dans le domaine de l'open source.

Beijing Zhihu Zhang Technology Co., Ltd. a annoncé le lancement de CogView4, le premier modèle open source de génération d'images à partir de texte capable de générer des caractères chinois. Ce modèle a obtenu le meilleur score global au benchmark DPG-Bench, devenant ainsi le modèle SOTA (State of the Art) des modèles open source de génération d'images. Il est distribué sous licence Apache 2.0, ce qui en fait le premier modèle de génération d'images à suivre cette licence.

Selon le dernier classement publié par la communauté open source Hugging Face, le modèle linguistique géant Wanxiang d'Alibaba, lancé il y a seulement 6 jours, a dépassé DeepSeek-R1 pour atteindre la première place des deux classements importants, le classement des modèles populaires et le classement de l'espace des modèles. Cette réussite met non seulement en évidence les performances techniques exceptionnelles du modèle Wanxiang, mais reflète également sa large reconnaissance et son influence au sein de la communauté open source mondiale.