谷歌发布了一堆AI能力和升级

行走的表情包大户 2024-04-18 09:42:57 浏览数 (305)
反馈

Google Next 2024上周放出了不少狠货,这次 Open AI 没能够压下去热度。

首先是 Gemini Pro 1.5 进行了一大波升级,并且所有人都可以使用了。

详细更新内容有:

Gemini现在可以理解音频内容:Gemini 不仅能理解多达9.5小时的音频内容,还能感知你话语中的语调和情感。甚至可以听到背景音。

能处理无限量的文件:现在几乎可以上传无限数量的文件(包括图片、视频帧和音频)让Gemini处理

函数调用和系统指令的进一步改进:可以选择模式来限制模型的输出,提高可靠性。选择文本、函数调用或仅函数本身,

推出了JSON模式:指示模型仅输出 JSON 对象。此模式可从文本或图像中提取结构化数据

具有改进性能的新嵌入模型:新模型 text-embedding-004在 MTEB 基准测试中实现了更强的检索性能,并超越了具有相似维度的现有模型,

详细的更新公告在这里:https://developers.googleblog.com/2024/04/gemini-15-pro-in-public-preview-with-new-features.html

Google的 Imagen 2 图像生成模型现在已经可以通过文本生成4秒的视频。

https://cloud.google.com/blog/products/ai-machine-learning/google-cloud-gemini-image-2-and-mlops-updates

还开源了一个基于 Gemma 的系列模型 CodeGemma。

CodeGemma 7B模型在数学推理方面的能力出众,代码生成能力很强。经过指令调优的CodeGemma 7B模型,在Python编程方面表现更为强大。

技术报告地址:https://storage.googleapis.com/deepmind-media/gemma/codegemma_report.pdf


其他动态 ◆

Open AI 发布了 GPT-4 Tubro 模型正式版,推理能力和代码能力很强。

SDXL 的 Tile 模型 2.0 发布了演示的效果非常强,可以用在图片内容修改和放大上。

Cohere 还发布了一个专门为了RAG设计的 基础模型 Rerank 3 。

Meta 正在印度和非洲部分地区的 WhatsApp、Instagram 和 Messenger 用户中 测试 Meta AI 。

Claude 3 0pus 已经可以在 谷歌 Vertex AI 上使用。

Command R+ 模型专门为了东亚语系做了优化,他们的 技术报告。


0 人点赞