字节跳动豆包大模型团队日前推出了国内首个实现产品化的通用图像编辑模型SeedEdit，该技术已在豆包PC端和即梦网页端开启测试。这一突破性技术让用户只需通过简单的文字指令，就能实现专业级的图像编辑效果。作为一款革命性的图像编辑工具，SeedEdit突破了传统图像编辑的技术壁垒。用户可以通过自然语言指令轻松完成修图、换装、美化、风格转换，以及在特定区域添加删除元素等复杂操作。例如，用户生成一张"小狗在草地奔跑"的图片后，只需输入"背景换成海边"这样简单的指令，就

字节跳动于11月11日推出了其最新图像编辑模型 SeedEdit，成为国内首个产品化的通用图像编辑工具。用户只需输入一句简单的自然语言指令，即可实现对图片的背景更换、风格转换以及元素的增删替换，无需繁琐的描边和涂抹。SeedEdit 在识别指令方面表现出色，能够精准理解中文和英文提示，包括成语及专有名词。例如，用户只需输入 “把西瓜换成葡萄”，SeedEdit 便能快速完成上个与水果替换。此外，模型在处理细节时也保持了原图的完整性，例如移除玻璃裂纹或改变图像中的特定元素。

字节跳动宣布，其旗下的AI智能助手豆包电脑版推出了一项新功能，使用户能够轻松实现图片编辑，无需专业的P图技能。用户只需访问doubao.com，选择“图片生成”并生成图片后，点击“继续编辑”并输入简单的指令，即可一键完成P图。此外，用户还可以通过“参考图”入口上传图片进行二次加工。

生成高质量、时间连续的视频需要大量的计算资源，尤其是对于较长的时间跨度而言。最新的扩散Transformer 模型（DiTs）虽然在视频生成方面取得了显著进展，但由于其依赖于更大的模型和更复杂的注意力机制，导致推理速度较慢，反而加剧了这一挑战。为了解决这个问题，Meta AI 的研究人员提出了一种名为 AdaCache 的免训练方法来加速视频 DiTs。AdaCache 的核心思想是基于“并非所有视频都相同”这一事实，这意味着某些视频比其他视频需要更少的去噪步骤即可达到合理的质量。 基于此，该方

近日，一个基于Reddit社交平台的创新选情分析系统引起关注。该系统通过人工智能技术，实时追踪和分析 2024 年美国总统大选候选人特朗普(Donald Trump)和哈里斯(Kamala Harris)的民意动向。系统工作原理该分析系统采用自动化方式每 10 分钟从Reddit平台抓取相关讨论。系统专注于具有一定影响力的内容，只选取发布时间在 1 小时内、获得 10 个以上赞同数的帖子。为确保数据的时效性，系统始终保持最新 50 条帖子用于分析。在情感分析环节，系统调用OpenAI的GPT-4-turbo模型，对每条帖子进行深度分析

经过19年的亏损，Reddit 终于在上市后迎来了利润。这家在线论坛在2023年第三季度报告中显示，净收入达到了2990万美元，营收348.4亿美元，同比增长了68%。与前两个季度的亏损相比，这一成绩令人瞩目，Reddit 似乎终于找到了自己的方向。Reddit 的联合创始人兼首席执行官史蒂夫・哈夫曼在季度报告中表示:“第三季度是 Reddit 的里程碑时刻。” 他指出，平台每日活跃用户已超过9700万，比去年增长了47%。更令人兴奋的是，这一季度中，用户数量多次突破了1亿，这是 Reddit 长期以来的一个重要目

Stability AI再次突破技术壁垒，推出全新Stable Diffusion3.5Medium模型。这款面向大众的AI绘画工具不仅完全免费开放商用，更重要的是实现了高性能与普及性的完美平衡。这款采用多模态扩散变换器（MMDiT-X）架构的模型，以25亿参数的精简设计，巧妙解决了普通用户的硬件门槛问题。仅需9.9GB显存，便能在大多数消费级显卡上流畅运行，真正实现了"人人可用"的愿景。在技术创新方面，该模型整合了三种预训练文本编码器，并引入QK标准化技术提升训练稳定性。特别值得一提的是，其前12个变换层

在人工智能影像技术日益普及的当下，Google宣布将从下周开始为Google Photos应用引入新的AI编辑标识功能。所有使用Magic Editor、Magic Eraser和Zoom Enhance等AI功能编辑的照片，都将在应用的"详细信息"（Details）部分底端显示"使用Google AI编辑"的标注。这项更新是在Google发布搭载多项AI照片编辑功能的Pixel9手机两个多月后推出的。然而，这种标注方式却引发了一些争议。虽然Google称此举是为了"进一步提高透明度"，但实际效果却令人质疑:照片本身并不会添加任何可视水印，这意味着用户在社交媒体、

最近，Reddit CEO Steve Huffman 在公司第二季度的财报电话会议上透露，Reddit 计划推出 AI 生成的搜索摘要。这项新举措旨在帮助用户更地与平台上的海量内容互动。Huffman 表示，Reddit 目前拥有超过3.423亿的每周活跃用户和每月超过10亿次的搜索，这让对内容的高效导航需求变得愈加迫切。据 Huffman 介绍，这些 AI 生成的摘要将在搜索结果页面的顶部提供简洁明了的主题描述，帮助用户快速找到相关信息。他提到:“这又是朝着改善每个人的搜索体验迈出的一步。” 去年，Reddit 的用户参与度增加了

最近，快手和北京大学以及北京邮电大学的研究团队共同开源了一个名为 Pyramid-Flow 的超高清视频生成模型。这个模型能够通过文本描述生成最高10秒、1280x768分辨率、24帧的视频，质量相当出色，光影效果、动作一致性、视频质量等方面表现都很不错。Pyramid Flow 的工作原理与现有的视频扩散模型不同。现有模型通常在全分辨率下运行，这样做虽然能产生高质量的结果，但却消耗了大量计算资源。而 Pyramid Flow 则采用了流匹配的灵活性，可以在不同分辨率和噪声水平之间进行插值，这样就能

在2024年火山引擎AI创新巡展上，火山引擎总裁谭待揭晓了最新的豆包·视频生成模型。该模型具备多项先进技术，包括高效的DIT融合计算单元，这一单元能够实现视频和文本的深度压缩编码;同时，它采用了一种全新的扩散模型训练方式，确保了在生成多镜头视频时的一致性;此外，模型还整合了深度优化的Transformer结构，显著增强了视频生成的泛化能力。

据报道，Reddit用户一直在为一个假的、人工智能生成的女人的裸照付费。这些照片由人工智能工具 Stable Diffusion 创建，外观极为真实，令人难以分辨。几个月前，这些图像首次出现在多个 Reddit 论坛上，引起了不少用户的关注和评论。Stable Diffusion生成的美女照片一位用户甚至在看到 Claudia 的照片后留言:“你真美!” 还有人表示:“哇，真是太漂亮了!”尽管有一些用户开始怀疑这些照片的真实性，认为看起来太过处理过，但仍有不少人沉迷于这位 “美女” 的魅力。一位知情用户在评论中提醒

Reddit，以其庞大的用户社区和丰富数据资源著称，已通过数据许可方式开辟了新的盈利途径。该平台拥有超过10万个活跃社区，每天吸引7600万用户，生成了海量包含实时讨论、意见和交互的数据，对AI和机器学习模型开发具有极高的价值。随着AI技术的迅速发展，Reddit的数据成为训练AI模型的关键资源。在2023年，Reddit推出了数据许可计划，预计在2024年从该业务获得6640万美元收入，并在未来三年内总计获得2.03亿美元。Reddit数据的高价值在于其广度和深度，以及内容的实时更新，提供了对新兴趋势和行为的洞察。这一业务的增长显著，第一季度收入增长了54%，其中数据许可业务增长691%，贡献了2810万美元。然而，数据许可业务也引发了法律和道德争议，Reddit承诺维护自身权益，防止未经授权的数据使用。尽管面临挑战，Reddit在数据许可领域展现出强劲势头，同时意识到可能与AI工具竞争，需要不断创新，提升用户体验，以保持市场竞争力。

国产开源视频生成模型CogVideoX-5B在魔搭ModelScope社区正式开源，显著提升了视频生成的质量和视觉效果。基于大规模DiT模型，该模型采用3D因果变分自编码器、专家Transformer技术，通过3D-RoPE位置编码和3D全注意力机制实现时空联合建模。渐进式训练技术的运用，使得模型能够生成具有明显运动特征、连贯且高质量的长时间视频。

​北京时间8月14日，昆仑万维公司正式发布了全球首个AI流媒体音乐平台Melodio，并同步推出了AI音乐商用创作平台Mureka。这两款产品都搭载了昆仑万维自研的最新DiT（Diffusion Transformer）架构音乐大模型Skymusic2.0，标志着AI音乐创作技术达到了新的高度。

Comfy Org 在技术创新上取得了显著进展，针对Comfyui的原有问题进行了深入修正与更新。新增了对Flux模型（包括Flux.1-Dev和Flux.1-Schnell）的支持，以及腾讯Hunyuan DiT模型的集成，显著增强了AI图像生成能力，扩展了多语言支持。发布ComfyUI第四个稳定版本v0.0.4，推荐在生产环境中使用以确保系统稳定性。即将推出的全新TypeScript前端技术升级，将提供更强大的代码库支持，并引入核心执行引擎改进，允许实现for循环等高级编程功能，提升自定义节点作者和工作流作者的能力。通过这些更新，Comfy Org展示了其对技术创新和用户体验的持续承诺，使ComfyUI成为AI领域中更可靠和强大的工具。

Reddit用户@zefman设计了一个实验，让不同语言模型实时对战国际象棋，以有趣的方式评估它们的表现。GPT-4o在实验中脱颖而出，成为最强选手，优于Claude和Gemini等模型。通过比较每个模型的决策过程，发现它们分析棋局的方式各有特点。实验采用统一提示确保公平比较，允许模型在选择错误走法时有5次重新选择机会。结论是GPT-4o在国际象棋对弈中表现出色，击败了Gemini1.5pro，展现了语言模型在策略游戏中的潜力。

Reddit CEO Steve Huffman宣布将测试AI驱动的搜索结果页面，旨在通过AI生成的内容摘要，帮助用户更轻松地找到感兴趣的内容并探索相关社区。这一新功能将结合Reddit自身技术和第三方技术进行实验，预计今年晚些时候开始测试。此外，Reddit与OpenAI和谷歌在AI领域有合作，用于构建AI功能和翻译服务，其中AI翻译在法国用户中表现出色，并计划扩展到德语、西班牙语和葡萄牙语。最新财报显示，Reddit每周活跃用户达到3.423亿，同比增长57%，收入达到2.812亿美元，超出市场预期。

Deaddit是一个由17个大型AI模型生成的虚拟角色组成的社交平台，对Reddit进行了致敬，旨在展现AI的创意和行为艺术潜力。平台上的AI角色每天能发布大量内容，涵盖广泛话题，从诗词歌赋到科技前沿，展现深入讨论和叠楼式的对话能力。Deaddit的独特之处在于每个AI角色都有独特身份和兴趣，提供了真实的社交体验。创始人在设计时考虑了用户体验，包括夜间模式和开源代码。尽管平台存在内容搜索功能缺失和回复时间间隔过短的问题，但其作为AI社交实验的开创性意义不容忽视。Deaddit预示了AI与人类互动的新阶段，展示了未来AI与人类共存社会的潜力。

Reddit 成功收购认知处理技术初创公司 Memorable AI，这是其上市后的首次重大行动。Memorable AI 通过机器学习和生成式 AI 分析人类对广告的认知反应，优化广告定位和创意，提升广告效果。该公司的创始人加入 Reddit 领导团队，将带来认知科学和 AI 技术的深度整合。此次收购将使 Reddit 能够提供更个性化、有效的广告解决方案，通过人工智能进行创意优化和实时性能分析，提升用户体验并增强广告商的成功率。Memorable AI 的技术，尤其是其在认知科学和 AI 领域的专长，为 Reddit 在视频广告、广告投放优化等方面带来了显著的提升潜力。