人工知能分野において、バイトダンスの商業化技術チームによる最新の成果であるInfinityモデルは、その卓越した性能と革新的な技術で、自己回帰型テキストツーイメージ分野における新たな王者となりました。この新たにオープンソース化されたモデルは、画像生成の質においてStable Diffusion 3を凌駕するだけでなく、推論速度においても顕著な優位性を示しています。Infinityモデルの中核となる革新は、Bitwise Tokenの自己回帰フレームワークを採用している点にあります。このフレームワークは、次のレベルの解像度における+1または-1を予測することで構成されています。

北京智源人工知能研究院は、ネイティブマルチモーダルワールドモデルEmu3を発表しました。このモデルは、ネクストトークンプレディクション技術に基づいており、拡散モデルや組み合わせ手法に依存することなく、テキスト、画像、ビデオの3種類のモダリティデータの理解と生成を実行できます。Emu3は、画像生成、ビデオ生成、ビジョン言語理解などのタスクにおいて、SDXL、LLaVA、OpenSoraなどの既存の著名なオープンソースモデルを上回る性能を示しました。

智譜AIは、超長コンテキスト長をサポートするLLM GLM-4-Longがオープンなプラットフォームbigmodel.cnで利用可能になったことを発表しました。このモデルは超長テキストの処理のために設計されており、2冊の『紅楼夢』または125本の論文に相当するテキスト量を一度に読み取ることができます。長文ドキュメントの翻訳、財務諸表の全体分析、重要な情報の抽出、超長記憶を持つチャットボットの構築など、幅広い用途があります。