हाल ही में, मॉडलर्स समुदाय (Modelers) ने आधिकारिक तौर पर स्टेप स्टार द्वारा विकसित Step-Video और Step-Audio दो ओपन सोर्स मल्टी-मॉडल मॉडल लॉन्च किए हैं। ये दो मॉडल क्रमशः वीडियो जेनरेशन और वॉयस इंटरैक्शन के लिए हैं, जिनका उद्देश्य डेवलपर्स और व्यावसायिक उपयोगकर्ताओं को अधिक शक्तिशाली AI उपकरण प्रदान करना है। Step-Video मॉडल का पूरा नाम Step-Video-T2V है, जो 300 बिलियन पैरामीटर्स वाला दुनिया का सबसे बड़ा ओपन सोर्स वीडियो जेनरेशन मॉडल है। यह मॉडल सीधे 20

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

ऐमजॉन ने हाल ही में अपनी AWS re:Invent सम्मेलन में नई एआई बेस मॉडल की एक श्रृंखला की घोषणा की है, जो नई “नोवा” ब्रांड के तहत है। ये मॉडल ऐमजॉन बेडरॉक मॉडल लाइब्रेरी के हिस्से के रूप में उपलब्ध होंगे, जो कृत्रिम बुद्धिमत्ता के क्षेत्र में ऐमजॉन के और विकास का प्रतीक है। ऐमजॉन ने एक ब्लॉग पोस्ट में कहा कि अब तीन प्रकार के “समझने” वाले मॉडल उपलब्ध हैं: नोवा माइक्रो, जो गति और लागत अनुकूलन के लिए विशेष रूप से डिज़ाइन किया गया टेक्स्ट मॉडल है। नोवा लाइट, यह

कृत्रिम बुद्धिमत्ता के विशाल महासागर में, Emu3 नामक एक नवोन्मेषी जहाज लहरों को काटते हुए हमारे समक्ष मल्टी-मॉडल एआई की अनंत संभावनाओं को प्रस्तुत कर रहा है। यह मॉडल, जिसे Meta AI अनुसंधान टीम ने विकसित किया है, साधारण लेकिन चतुर अगला शब्द पूर्वानुमान तंत्र के माध्यम से पाठ, चित्र और वीडियो के एकीकृत प्रसंस्करण को संभव बनाता है। Emu3 का मुख्य विचार विभिन्न सामग्रियों को विषम प्रतीकों में परिवर्तित करना है, और फिर एकल Transformer मॉडल का उपयोग करके अगले प्रतीक की भविष्यवाणी करना है। यह विधि न केवल मॉडल संरचना को सरल बनाती है, बल्कि Emu3 को कई

गूगल ने सबसे नवीन AI उत्पाद Gemini 1.5 Pro को पेश किया है, जो Google AI स्टूडियो और Gemini API के माध्यम से प्रयोगात्मक संस्करण 0801 में उपलब्ध है। इस मॉडल ने LMSYS रैंकिंग में 1300 के ELO स्कोर के साथ OpenAI के GPT-4o और Anthropic के Claude-3.5 Sonnet को पीछे छोड़ दिया है। Gemini 1.5 Pro ने बहु-भाषा कार्यों, गणित, कोडिंग और दृश्य कार्यों में उत्कृष्ट प्रदर्शन किया है, जिसमें 2 मिलियन टोकन की संदर्भ खिड़की है।