7 मार्च को, टेनसेंट के स्वामित्व वाले AI इंटेलिजेंट वर्कस्टेशन IMA ने "नॉलेज बेस स्क्वायर" फ़ंक्शन लॉन्च करने की घोषणा की, जो उपयोगकर्ताओं को नॉलेज बेस खोजने और साझा करने के लिए एक केंद्रीकृत प्लेटफ़ॉर्म प्रदान करता है। IMA साझा नॉलेज बेस के लॉन्च होने के बाद से, उपयोगकर्ता विभिन्न प्रकार के व्यावसायिक नॉलेज बेस बनाने और साझा करने के लिए इस टूल का उपयोग कर रहे हैं, जैसे कि वकीलों द्वारा बनाया गया AI कानूनी नॉलेज बेस, शिक्षकों द्वारा बनाया गया कक्षा नॉलेज बेस, और झुहाई शहर के जिनवान जिले द्वारा लॉन्च किया गया बुद्धिमान जिनवान-नीति संचार नॉलेज बेस, जिसका उद्देश्य व्यावसायिक ज्ञान को अधिक लोगों तक पहुँचाना है।

MiniMax ने हाल ही में Image-01 नाम का एक नया और किफायती इमेज जेनरेटिंग मॉडल लॉन्च किया है। यह मौजूदा मॉडलों की तुलना में 10 गुना कम खर्चीला है, जिससे यह छोटे व्यवसायों और व्यक्तिगत उपयोगकर्ताओं के लिए भी सुलभ हो जाता है। Image-01 उच्च-गुणवत्ता वाले चित्र उत्पन्न करने में सक्षम है और विभिन्न अनुप्रयोगों में उपयोग किया जा सकता है।

टेनसेंट के तहत AI कार्यक्षेत्र IMA.copilot (संक्षेप में IMA) ने आज मोबाइल ऐप्लिकेशन लॉन्च करने की घोषणा की है, जो पहले एंड्रॉइड पर उपलब्ध है। iOS जल्द ही लॉन्च होगा, और साथ ही क्लाउड स्टोरेज स्पेस मुफ्त में 2G तक बढ़ाया जाएगा, जिससे इसके मल्टी-डिवाइस इकोसिस्टम का और विस्तार होगा। ज्ञान केंद्रित AI कार्यक्षेत्र उत्पाद के रूप में, IMA ने 2024 अक्टूबर से Windows, Mac और WeChat मिनी प्रोग्राम प्लेटफार्मों को कवर किया है। इस मोबाइल लॉन्च के साथ, उपयोगकर्ता 'खोजें, पढ़ें, लिखें' की एकीकृत सेवा का आनंद Anytime, Anywhere ले सकेंगे।

आज, प्रसिद्ध वैज्ञानिक ब्लॉगर्स "तीन पिता प्रयोगशाला" ने वेइबो प्लेटफॉर्म के माध्यम से एक संदेश जारी किया है जिसमें कहा गया है कि Tencent के तहत युआनबाओ एप्लिकेशन ने DeepSeek तकनीक को एकीकृत किया है, और इसके जवाब में विज्ञापन सामग्री शामिल की गई है। ब्लॉगर्स द्वारा साझा की गई स्क्रीनशॉट में दिखाया गया है कि युआनबाओ एप्लिकेशन द्वारा प्रदान किए गए जोखिम बचाव सुझावों और सूचनाओं में स्पष्ट रूप से सुझाव दिया गया है कि उपयोगकर्ता उचित कीमत तुलना और आरक्षण के लिए 58 घर पर जैसे प्लेटफार्मों का उपयोग करें, और क्यूकाईहुइ या स्थानीय उचित पुनः प्राप्ति विक्रेताओं से पूछताछ करें, इन सुझावों को विज्ञापन इन्सर्शन के संदेह के रूप में पेश किया गया है।

हाल ही में, अलीबाबा ने अपनी नवीनतम तकनीकी उपलब्धि Animate Anyone 2 जारी की है, यह एक अभिनव तकनीक है जो वीडियो व्यक्तियों के सटीक प्रतिस्थापन की अनुमति देती है। प्रोजेक्ट की आधिकारिक वेबसाइट पर प्रदर्शित केस स्टडी के अनुसार, उपयोगकर्ताओं को केवल मूल वीडियो और लक्ष्य चरित्र की छवि प्रदान करनी होती है, और सिस्टम मौलिक वीडियो की गति पथ को बनाए रखते हुए, व्यक्तित्व का रीयल-टाइम प्रतिस्थापन पूरा कर देता है। प्रयोगात्मक डेटा से पता चलता है कि सिस्टम फुटबॉल खिलाड़ी के शूटिंग क्रिया को एनीमेशन पात्र में पूर्ण रूप से स्थानांतरित कर सकता है, जबकि गेंद के गति पथ की वास्तविक भौतिक विशेषताओं को बनाए रखता है। फ़िल्म निर्माण में जटिल आवश्यकताओं को देखते हुए,

गूगल ने हाल ही में घोषणा की है कि उसका कृत्रिम बुद्धिमत्ता आधारित छवि मिश्रण उपकरण Google Whisk 100 से अधिक देशों में आधिकारिक रूप से लॉन्च किया गया है। यह उपकरण पिछले साल अमेरिका में जारी किया गया था, जिसका उद्देश्य नवीनतम छवि मिश्रण तकनीक के माध्यम से उपयोगकर्ताओं को सरल और अधिक रचनात्मक छवि उत्पादन का अनुभव प्रदान करना है। पारंपरिक छवि उत्पादन उपकरणों से अलग, Google Whisk उपयोगकर्ताओं को तीन छवियाँ अपलोड करने की अनुमति देता है, जो विषय, दृश्य और शैली का प्रतिनिधित्व करती हैं। फिर, यह उपकरण इन तीनों को फिर से मिश्रित करता है, और गूगल Imagen द्वारा निर्मित एक छवि उत्पन्न करता है।

म्यूनिख विश्वविद्यालय, म्यूनिख मशीन लर्निंग सेंटर और Adobe Research द्वारा हाल ही में जारी किए गए शोध से पता चलता है कि GPT-4o, Gemini1.5Pro और Llama-3.3-70B सहित 12 शीर्ष AI भाषा मॉडल लंबे पाठ वैचारिक तर्क कार्यों में महत्वपूर्ण प्रदर्शन गिरावट का सामना कर रहे हैं। जबकि ये मॉडल कम से कम 128,000 टोकन के संदर्भ प्रसंस्करण का समर्थन करते हैं, उनकी गहरे तार्किक संबंध बनाने की क्षमता में अभी भी मौलिक सीमाएं हैं। शोध टीम द्वारा विकसित NOLIMA (बिना पाठ मिलान)

गूगल ने हाल ही में घोषणा की कि इसका नवीनतम इमेज जेनरेशन मॉडल - Imagen3, अब Gemini API के माध्यम से डेवलपर्स के लिए उपलब्ध है। इस मॉडल में शक्तिशाली इमेज जेनरेशन क्षमताएं हैं और यह टेक्स्ट इनपुट के अनुसार कई प्रकार के कला शैलियों के चित्र बनाने में सक्षम है, जो अति-यथार्थवाद से लेकर एनीमे पात्रों तक का विस्तृत स्पेक्ट्रम शामिल करता है। Imagen3 का उपयोग बेहद सरल है, डेवलपर्स को केवल API के माध्यम से टेक्स्ट विवरण प्रस्तुत करना है, मॉडल तेजी से उच्च गुणवत्ता वाले चित्र उत्पन्न करेगा। प्रत्येक चित्र के निर्माण की लागत केवल 0.03 डॉलर है, उपयुक्त

हाल ही में, गूगल ने अपनी नवीनतम चित्र निर्माण मॉडल — Imagen3 को आधिकारिक रूप से लॉन्च किया है, जो अब Gemini API पर डेवलपर्स के उपयोग के लिए उपलब्ध है। यह मॉडल दृश्य प्रभाव में उत्कृष्टता प्रदर्शित करता है, और विभिन्न शैलियों की उच्च गुणवत्ता वाली छवियाँ उत्पन्न कर सकता है, जिनमें सुपर यथार्थवाद के कार्य, इंप्रेशनिस्ट परिदृश्य, अमूर्त कार्य और एनीमे पात्र शामिल हैं। Imagen3 न केवल चित्र की स्पष्टता और संकलन क्षमता में सुधार करता है, बल्कि सरल पाठ संकेतों के माध्यम से उपयोगकर्ताओं को अपनी रचनाओं को चित्रों में परिवर्तित करने में और भी आसान बनाता है। शुरुआत में, Imagen3 केवल भुगतान करने वाले उपयोगकर्ताओं के लिए उपलब्ध होगा।

गूगल ने इस सप्ताह घोषणा की कि वह अपने Magic Editor AI फीचर का उपयोग कर संपादित चित्रों में डिजिटल वॉटरमार्क जोड़ेगा। यह वॉटरमार्क विशेष रूप से Pixel9 उपकरण पर Reimagine फीचर के माध्यम से संशोधित चित्रों के लिए लागू होता है। इस नए फीचर का उद्देश्य AI द्वारा उत्पन्न और संपादित सामग्री की पहचान की क्षमता को बढ़ाना है। Reimagine फीचर 2024 में घोषित किया गया था, जो जनरेटिव AI तकनीक का उपयोग करके डिजिटल फोटोज़ में विभिन्न प्रकार के संशोधन करता है। यह फीचर Magic Ed के साथ एकीकृत है।

जैसे-जैसे वैश्विक कृत्रिम बुद्धिमत्ता क्षेत्र में प्रतिस्पर्धा बढ़ रही है, घरेलू एआई मॉडल तेजी से उभर रहे हैं। हाल ही में, घरेलू एआई के "तीन नायक" - DeepSeek, Kimi और MiniMax ने नई संस्करण जारी किए, जो ओपनएआई की GPT श्रृंखला के साथ मुकाबले की क्षमता को दर्शाते हैं। 20 जनवरी को, DeepSeek ने आधिकारिक तौर पर DeepSeek-R1 लॉन्च किया और मॉडल के वजन को ओपन-सोर्स किया। DeepSeek-R1 ने अनुशिक्षण चरण में बड़े पैमाने पर सुदृढीकरण शिक्षण तकनीक का उपयोग किया,

शंघाई एक्सी यूनिवर्स टेक्नोलॉजी कंपनी की MiniMax ने इसके नए उन्नत T2A-01 श्रृंखला आवाज मॉडल के वैश्विक स्तर पर समकालिक रूप से लॉन्च की घोषणा की है और मछली का भाषण उत्पाद प्रस्तुत किया है। T2A-01 श्रृंखला में उपयोगकर्ताओं के लिए T2A-01-HD, T2A-01-Turbo दो मॉडल शामिल हैं, API सेवा अब MiniMax ओपन प्लेटफॉर्म पर समकालिक रूप से उपलब्ध है, कंपनियाँ अपनी ऑडियो गुणवत्ता और उत्पादन गति की आवश्यकताओं के अनुसार प्राथमिकता से चयन कर सकती हैं।

2025 की शुरुआत में, एआई प्रोग्रामिंग क्षेत्र फिर से निवेशकों का ध्यान आकर्षित कर रहा है। 'Xinyan Yima' नामक एक स्टार्टअप ने हाल ही में दो दौर की फंडिंग पूरी करने की घोषणा की, जिसने कई डॉलर फंड्स का ध्यान आकर्षित किया। इस कंपनी की स्थापना पूर्व 'मॉन्स्टर्स ऑफ द मंथ' के ओवरसी प्रोडक्ट हेड मिंग चाओ पिंग ने की थी, और वर्तमान में कंपनी का मूल्यांकन 80 मिलियन डालर तक पहुँच गया है। एआई एप्लिकेशन बाजार के निरंतर विस्तार के साथ, Xinyan Yima ने प्रोग्रामिंग सहायक क्षेत्र में अपनी नवोन्मेष के साथ तेजी से उद्योग और बाहर का ध्यान आकर्षित किया है। मिंग चाओ पिंग की पृष्ठभूमि उल्लेखनीय है। उन्होंने बाइट डांस की संपत्ति 'जियान यिन' में भी काम किया।

झी युआन रोबोट ने शंघाई आर्टिफिशियल इंटेलिजेंस प्रयोगशाला जैसे संस्थानों के साथ मिलकर AgiBot World डेटा सेट लॉन्च किया, जो विश्व का पहला वास्तविक परिदृश्य आधारित मिलियन-लेवल रोबोट डेटा सेट है। गूगल के ओपन एक्स-एम्बोडिमेंट की तुलना में, इसके दीर्घकालिक डेटा पैमाने में 10 गुना वृद्धि हुई है, दृश्य आवरण में 100 गुना विस्तार हुआ है, और डेटा गुणवत्ता औद्योगिक मानकों तक पहुँच गई है। इस ओपन-सोर्स प्रोजेक्ट को एम्बोडेड इंटेलिजेंस के क्षेत्र में ImageNet क्षण के रूप में माना जाता है और यह रोबोट की प्रभावशाली क्षमताओं को दर्शाता है। लिविंग रूम में फूल लगाना, किचन में खाना बनाना, सुपरमार्केट में चेकआउट करना आदि।

गूगल लैब ने हाल ही में अमेरिका में नवीनतम जनरेटिव आर्टिफिशियल इंटेलिजेंस प्रयोगात्मक टूल Whisk लॉन्च किया। पारंपरिक इमेज जनरेशन टूल्स की तुलना में, जो मुख्य रूप से टेक्स्ट प्रॉम्प्ट पर निर्भर करते हैं, Whisk चित्रों को इनपुट विधि के रूप में उपयोग करने पर ध्यान केंद्रित करता है, जिससे उपयोगकर्ता अधिक सहजता से कलात्मक कार्यों का निर्माण कर सकते हैं। उपयोगकर्ता सीधे Whisk में चित्र अपलोड कर सकते हैं या इस उपकरण के भीतर चित्र उत्पन्न कर सकते हैं, विषय, दृश्य और शैली जैसे तत्वों को निर्दिष्ट कर सकते हैं। Whisk सिस्टम उपयोगकर्ताओं को इन घटकों को मिलाने और मेल करने की अनुमति देता है, और आवश्यकता अनुसार अतिरिक्त टेक्स्ट प्रॉम्प्ट का उपयोग करके ट्यूनिंग कर सकता है। ध्यान देने योग्य बात यह है कि

11 दिसंबर को, एप्पल कंपनी ने iOS18.2, iPadOS18.2 और macOS Sequoia15.2 जारी करने की घोषणा की, जिसमें नए एप्पल इंटेलिजेंस (एप्पल आईटी) सुविधाएँ शामिल हैं। ये सुविधाएँ iPhone, iPad और Mac पर उपयोगकर्ता अनुभव को सुधारने के लिए बनाई गई हैं, और उपयोगकर्ता की निर्माण और अभिव्यक्ति क्षमताओं को और बढ़ाती हैं। इस अपडेट में, उपयोगकर्ता "Image Playgroud" सुविधा का उपयोग करके आसानी से निर्माण कर सकते हैं।

OpenAI द्वारा हाल ही में जारी किए गए वीडियो जनरेशन AI मॉडल Sora ने व्यापक ध्यान आकर्षित किया है, जबकि एक गहन जांच में पाया गया है कि इस मॉडल के प्रशिक्षण डेटा में संभवतः कई बिना अनुमति के खेल वीडियो और लाइव स्ट्रीम सामग्री शामिल है, जो कंपनी के लिए महत्वपूर्ण कानूनी जोखिम पैदा कर सकता है। विस्तृत परीक्षण के दौरान, शोधकर्ताओं ने पाया कि Sora विभिन्न खेल शैलियों के वीडियो उत्पन्न करने में सक्षम है, जैसे 'सुपर मारियो ब्रदर्स' के दृश्य से लेकर 'कॉल ऑफ ड्यूटी' शैली के पहले व्यक्ति शूटर गेम के दृश्य तक, यहां तक कि 90 के दशक के अर्चेड फाइटिंग गेम के विशिष्ट शैली भी शामिल हैं।

तकनीकी दिग्गजों द्वारा परमाणु ऊर्जा उत्पादन में तेजी लाने के बीच, गूगल ने एक नई पहल की है। एआई युग में बढ़ती ऊर्जा मांग के सामने, गूगल ने नवीकरणीय ऊर्जा विकासक Intersect Power और निवेश कोष TPG Rise Climate के साथ एक महत्वपूर्ण सहयोग की घोषणा की है, जिससे स्वच्छ ऊर्जा परियोजनाओं का कुल निवेश 200 अरब डॉलर तक पहुँच जाएगा। इस महत्वाकांक्षी योजना में पवन ऊर्जा, सौर ऊर्जा और ऊर्जा भंडारण प्रणालियों का निर्माण शामिल है, जिसका उद्देश्य इसके डेटा केंद्रों को पर्याप्त हरे बिजली की आपूर्ति करना है। सहयोग के एक भाग के रूप में, Inter

हाल ही में, गूगल क्लाउड विभाग ने घोषणा की कि उनके नवीनतम वीडियो और छवि जेनरेशन मॉडल - Veo और Imagen3, अब Vertex AI प्लेटफ़ॉर्म पर उपलब्ध हैं, जो मार्केटिंग और विज्ञापन के क्षेत्र में एआई के उपयोग को आगे बढ़ाते हैं। Veo मॉडल पहली बार Google I/O डेवलपर सम्मेलन में सामने आया, यह गूगल DeepMind का Runway के Gen-3 और OpenAI के Sora जैसे प्रतियोगियों के उत्पादों के लिए एक प्रतिक्रिया है। यह मॉडल टेक्स्ट या इमेज संकेतों को 60 सेकंड तक के उच्च गुणवत्ता वाले फ़िल्म स्टाइल वीडियो में परिवर्तित करने में सक्षम है।