हाल ही में, एक ओपन-सोर्स प्रोजेक्ट, Browser Use ने टेक जगत और डेवलपर समुदाय में धूम मचा दी है! यह टूल AI को पंख लगाने जैसा है, जिससे वे इंसानों की तरह ब्राउज़र को आसानी से नियंत्रित कर सकते हैं। प्राकृतिक भाषा का उपयोग करके, आप AI को विभिन्न वेब कार्यों को स्वचालित रूप से करने का निर्देश दे सकते हैं। इसकी शक्तिशाली स्वचालन क्षमता और लचीली परिनियोजन विधि ने वैश्विक तकनीकी उत्साही लोगों का ध्यान खींचा है, और इसने X प्लेटफ़ॉर्म (पूर्व में ट्विटर) पर एक बड़ी हलचल मचाई है। Browser Use AI द्वारा ब्राउज़र स्वचालन के क्षेत्र में तेज़ी से आगे बढ़ रहा है।

डॉकर के सह-संस्थापक सोलोमन हाइक्स ने एक नया ओपन सोर्स प्रोजेक्ट, डैगर जारी किया है, जिसका उद्देश्य क्लाउड कोड जैसे लोकप्रिय कोडिंग टूल का एक बेहतर विकल्प बनना है। डैगर कोडिंग को सरल और अधिक कुशल बनाने के लिए डिज़ाइन किया गया है।

पोर्टकी एआई गेटवे एक ओपन-सोर्स समाधान है जो विभिन्न बड़े भाषा मॉडल को एक साथ जोड़ने में आसानी प्रदान करता है। यह डेवलपर्स को विभिन्न मॉडलों की क्षमताओं का उपयोग करने और एकीकृत अनुभव बनाने में मदद करता है।

टेनसेंट ने अपने नए विकसित इमेज-टू-वीडियो जनरेशन फ़्रेमवर्क, हुन्युआनवीडियो-I2V को ओपन सोर्स करने की घोषणा की है। यह मॉडल हुन्युआनवीडियो के सफल ओपन सोर्स होने के बाद एक और महत्वपूर्ण उपलब्धि है, जिसका उद्देश्य ओपन सोर्स समुदाय में गहन खोज को बढ़ावा देना है। हुन्युआनवीडियो-I2V में उन्नत वीडियो जनरेशन तकनीक का उपयोग किया गया है, जो स्थिर छवियों को जीवंत वीडियो सामग्री में बदल सकता है, जिससे क्रिएटर्स के लिए और भी संभावनाएँ खुलती हैं। हुन्युआनवीडियो-I2V एक पूर्व-प्रशिक्षित...

6 मार्च को, बीजिंग ज़ि युआन आर्टिफिशियल इंटेलिजेंस रिसर्च इंस्टिट्यूट ने बहु-मोडल वेक्टर मॉडल BGE-VL को ओपन-सोर्स करने की घोषणा की, यह उपलब्धि बहु-मोडल पुनर्प्राप्ति क्षेत्र में एक नई सफलता का प्रतीक है। BGE-VL मॉडल ने चित्र-पाठ पुनर्प्राप्ति, संयोजन छवि पुनर्प्राप्ति आदि जैसे कई बहु-मोडल पुनर्प्राप्ति कार्यों में सर्वश्रेष्ठ परिणाम प्राप्त किए हैं, जिससे बहु-मोडल पुनर्प्राप्ति के प्रदर्शन में उल्लेखनीय सुधार हुआ है।

अलीबाबा ने हाल ही में अपना नया ओपन-सोर्स अनुमान बड़ा भाषा मॉडल QwQ-32B जारी किया है, जो DeepSeek-R1 के बराबर प्रदर्शन प्रदान करता है लेकिन कम मेमोरी की आवश्यकता के साथ। यह उन डेवलपर्स के लिए एक उत्कृष्ट विकल्प है जो उच्च-प्रदर्शन वाले अनुमान मॉडल की तलाश में हैं लेकिन सीमित संसाधनों के साथ काम कर रहे हैं।

BioChatter एक ओपन-सोर्स फ़्रेमवर्क है जो बायोमेडिकल अनुसंधान को आसान बनाने के लिए डिज़ाइन किया गया है। यह बड़े भाषा मॉडल (LLM) के उपयोग की बाधाओं को कम करके शोधकर्ताओं को जटिल डेटा से अंतर्दृष्टि निकालने में मदद करता है।

माइक्रोसॉफ्ट ने ART नामक एक नया ओपन-सोर्स इमेज मॉडल जारी किया है जो मल्टी-लेयर ट्रांसपेरेंट इमेज बना सकता है। यह मॉडल विभिन्न प्रकार की इमेज बनाने में सक्षम है और इसमें कई फीचर हैं जो इसे अन्य इमेज मॉडल से अलग बनाते हैं।

बाइटडांस ने हाल ही में एआईब्रिक्स लॉन्च किया है, जो एक नया ओपन-सोर्स इन्फ्रेंस सिस्टम है जो बड़े भाषा मॉडल के लिए डिज़ाइन किया गया है। यह सिस्टम उच्च प्रदर्शन और स्केलेबिलिटी प्रदान करता है, जिससे बड़े भाषा मॉडल को और अधिक कुशलता से तैनात किया जा सकता है।

अलीबाबा ने अपना नया ओपन-सोर्स वीडियो जेनरेशन मॉडल Wan 2.1 लॉन्च किया है, जो प्रदर्शन के मामले में शीर्ष पर है और NVIDIA GeForce RTX 4070 जैसे ग्राफिक्स कार्ड पर सुचारू रूप से चलता है। यह मॉडल वीडियो निर्माण में एक नया स्तर लाता है।

माइक्रोसॉफ्ट ने हाल ही में अपना ओपन-सोर्स मल्टी-मॉडल एआई एजेंट, मैग्मा, जारी किया है। यह एजेंट खरीदारी और रोबोटिक्स ऑपरेशन जैसे क्षेत्रों में नए अनुभव प्रदान करने के लिए डिज़ाइन किया गया है। यह उपयोगकर्ताओं को अधिक सहज और प्रभावी तरीके से इन कार्यों को करने में मदद करता है।

DeepSeek ओपन-सोर्स सप्ताह के पहले दिन ने अपने नवीनतम तकनीकी परिणाम FlashMLA का आधिकारिक रूप से विमोचन किया, जो एनवीडिया होपर आर्किटेक्चर GPU के लिए तैयार किया गया एक कुशल कई-स्तरीय ध्यान (Multi-Layer Attention) डिकोडिंग कोर है। यह तकनीक विशेष रूप से परिवर्तनशील लंबाई वाली अनुक्रम स्थितियों के लिए अनुकूलित की गई है, जो बड़े मॉडल के अनुमानित प्रदर्शन को महत्वपूर्ण रूप से बढ़ा सकती है। FlashMLA की मुख्य तकनीकी विशेषताओं में BF16 सटीकता का पूर्ण समर्थन और 64 के ब्लॉक आकार के साथ पृष्ठीय KEY-VALUE कैशिंग (Paged KV) शामिल है।

हाल ही में, टेनसेंट ह्यूनयुआन वीडियो मॉडल (Hunyuan Video) ने X प्लेटफॉर्म पर परीक्षण भागीदारों के लिए आधिकारिक रूप से आमंत्रण जारी किया है, जो इस अग्रणी AI वीडियो जनरेशन तकनीक के महत्वपूर्ण परीक्षण चरण में प्रवेश करने का प्रतीक है। आधिकारिक सूत्रों के अनुसार, परीक्षण समाप्त होने के बाद, इस मॉडल के ओपन-सोर्स होने की उच्च संभावना है, ताकि वैश्विक AI समुदाय को इसके तकनीकी परिणामों का लाभ मिल सके। ह्यूनयुआन वीडियो मॉडल टेनसेंट की AI वीडियो जनरेशन क्षेत्र में एक महत्वपूर्ण नवाचार है, जिसमें 13B से अधिक पैरामीटर हैं, जो मौजूदा ओपन-सोर्स मॉडलों में सबसे बड़े वीडियो जनरेशन मॉडल में से एक है। इसके मुख्य तकनीकी पहलुओं में शामिल हैं

ओविस2 अलीबाबा के अंतरराष्ट्रीयकरण टीम द्वारा प्रस्तुत ओविस सीरीज़ मॉडल का नवीनतम संस्करण है। पूर्व के 1.6 संस्करण की तुलना में, ओविस2 डेटा निर्माण और प्रशिक्षण विधियों में महत्वपूर्ण सुधार करता है। यह न केवल छोटे पैमाने के मॉडल की क्षमता घनत्व को मजबूत करता है, बल्कि निर्देश सूक्ष्मता और प्राथमिकता अध्ययन के माध्यम से सोच श्रृंखला (CoT) तर्क क्षमता में भी काफी वृद्धि प्रदान करता है। इसके अतिरिक्त, ओविस2 वीडियो और बहु-चित्र प्रसंस्करण की क्षमताओं को पेश करता है और बहुभाषी क्षमताओं एवं जटिल परिदृश्यों में OCR क्षमताओं को बढ़ाता है, जो मॉडल की व्यावहारिकता को महत्वपूर्ण रूप से बढ़ाता है।

वैश्विक डेवलपर्स का ध्यान फिर से चीन की ओर आकर्षित हुआ! अत्यधिक प्रतीक्षित वैश्विक डेवलपर सम्मेलन (जीडीसी) में, अली क्लाउड मोड समुदाय ने महत्वपूर्ण घोषणा की, कक्षास्कीन का नवीनतम ओपन-सोर्स मल्टी-मॉडल मॉडल पेश किया, जिसमें वैश्विक स्तर पर सबसे बड़े ओपन-सोर्स वीडियो जनरेशन मॉडल स्टेप-वीडियो-टी2वी, और उद्योग का पहला प्रोडक्ट-लेवल ओपन-सोर्स वॉयस इंटरएक्शन मॉडल स्टेप-ऑडियो शामिल है। यह समाचार तुरंत वैश्विक एआई ओपन-सोर्स समुदाय की हलचल पैदा कर दिया, जिससे यह फिर से चीन की कृत्रिम बुद्धिमत्ता क्षेत्र में मजबूत नवाचार क्षमता को उजागर करता है। चीन का सबसे बड़ा एआई

हाल ही में, DeepSeek ने अपनी आधिकारिक वेबसाइट और X खाते पर एक बड़ी घोषणा की, जिसमें कहा गया कि वे अगले एक सप्ताह के भीतर धीरे-धीरे पांच कोड रिपॉजिटरी को ओपन-सोर्स करेंगे। कंपनी ने बताया कि वर्तमान में समाप्त ऑनलाइन सेवा मॉड्यूल को सख्त परीक्षण और तैनाती के बाद उत्पादन वातावरण में投入 करने की स्थिति में है। DeepSeek ने जोर देकर कहा कि कोड साझा करने का मुख्य उद्देश्य यह है कि हर एक कोड की पंक्ति उद्योग को आगे बढ़ाने के लिए एक शक्तिशाली प्रेरणा बन सके। कंपनी ने बताया कि इस क्षेत्र में所谓 की हाथी के दाँत नहीं हैं, बल्कि यह अधिक शुद्ध गैरेज स्टार्टअप भावना और सामुदायिक निर्माण का मामला है।

बीजिंग समय अनुसार, 2025年2月21日, सामान्य कृत्रिम बुद्धिमत्ता (AGI) के अन्वेषण पर ध्यान केंद्रित करने वाली DeepSeek AI टीम ने सोशल मीडिया पर एक उत्साहवर्धक समाचार जारी किया, जिसने आधिकारिक रूप से #OpenSourceWeek कार्यक्रम में उनकी भागीदारी की शुरुआत की। यह छोटे लेकिन महत्वाकांक्षी तकनीकी टीम ने घोषणा की कि अगले सप्ताह से, वे 5 कोड भंडार ओपन-सोर्स करेंगे, जिससे वे वैश्विक डेवलपर समुदाय के साथ अपने शोध प्रगति को पूरी तरह से पारदर्शी तरीके से साझा कर सकें।

कृत्रिम बुद्धिमत्ता के क्षेत्र में, भाषा मॉडलों के तेजी से विकास ने वॉइस अंडरस्टैंडिंग लैंग्वेज मॉडल (SULMs) में व्यापक रुचि उत्पन्न की है। हाल ही में, उत्तर पश्चिम औद्योगिक विश्वविद्यालय के ASLP प्रयोगशाला ने ओपन वॉइस अंडरस्टैंडिंग मॉडल OSUM जारी किया, जिसका उद्देश्य यह अन्वेषण करना है कि सीमित शैक्षणिक संसाधनों के संदर्भ में वॉइस अंडरस्टैंडिंग मॉडल को प्रभावी ढंग से कैसे प्रशिक्षित और उपयोग किया जाए, जिससे शैक्षणिक समुदाय के अनुसंधान और नवाचार को बढ़ावा मिले। OSUM मॉडल Whisper एन्कोडर और Qwen2 भाषा मॉडल का समावेश करता है, 8 प्रकार के वॉइस कार्यों का समर्थन करता है, जिसमें वॉइस रिकग्निशन (ASR), टाइमस्टैम्प के साथ शामिल है।