MiniGPT-4 auf MiniGPT-v2 aktualisiert: Multimodale Aufgaben ohne GPT-4

Kunlun Tech veröffentlicht erneut das Belohnungsmodell Skywork-Reward-V2

Am 4. Juli 2025 setzt Kunlun Tech den Weg des Fortschritts fort und gibt erneut die zweite Generation des Belohnungsmodells Skywork-Reward-V2 frei. Diese Reihe umfasst acht Belohnungsmodelle, die auf verschiedenen Grundmodellen basieren und Parametergrößen zwischen 600 Millionen und 8 Milliarden haben. Sobald sie vorgestellt wurden, gewannen sie in sieben führenden Bewertungstabellen für Belohnungsmodelle und wurden zum Schwerpunkt im Bereich der Open-Source-Belohnungsmodelle. Das Belohnungsmodell spielt eine entscheidende Rolle im Prozess des Verstärkenden Lernens aus menschlichen Rückmeldungen (RLHF). Um ein neues Belohnungsmodell zu entwickeln, hat Kunlun Tech ein Datensatz mit 40 Millionen...

Kyutai Labs open-sourct Kyutai TTS: Technologie der Niedrigverzögerung für streamenden Text-zu-Sprache

Am 3. Juli gab das französische KI-Forschungsinstitut Kyutai Labs bekannt, seine neueste Text-zu-Sprache-(TTS)-Technologie - Kyutai TTS - zu open-sourcen und Entwicklern und KI-Begeisterten eine effiziente und reale Sprachgenerierungslösung anzubieten. Kyutai TTS zeichnet sich durch niedrige Verzögerung und hochwertigen Klang aus und unterstützt den streamenden Texttransport, wodurch die Audiodatei bereits mit Teiltexten beginnen kann. Dies ist besonders für Echtzeit-Interaktionszenarien geeignet. Kyutai TTS hat herausragende Leistungen gezeigt. Bei der Nutzung einer einzelnen NVIDIA L40S-GPU

GLM-4.1V-Thinking von Zhipu AI: Ein Durchbruch bei modalen Reasoning-Modellen

Zhipu AI hat ihr neuestes allgemeines Visionsmodell GLM-4.1V-Thinking offengelegt. Das Modell basiert auf der Architektur von GLM-4V und fügt eine Kette der Denkprozesse hinzu, was die Fähigkeit zur Bewältigung komplexer kognitiver Aufgaben deutlich verbessert. Das Modell unterstützt mehrere multimodale Eingaben wie Bilder, Videos und Dokumente und ist besonders gut in der Verarbeitung langer Videos, Bildfragen, Fachaufgaben, Texterkennung, Dokumentenanalyse, Grounding, GUI-Agenten und Codegenerierung. Es deckt vielfältige Anwendungsszenarien ab, die den Bedürfnissen verschiedener Branchen entsprechen. GLM-4.1V-9B-Thinkin

Baidu veröffentlicht die Kreativplattform und MuseSteamer: KI-generierte Videos – mit nur einem Bild professionelle Filme erstellen!

Bei der heutigen AIDAY-Technologie-Offenlegungsveranstaltung hat das kommerzielle Forschungs- und Entwicklungs-Team von Baidu offiziell sein eigenentwickeltes Video-Generationsmodell MuseSteamer sowie die dazugehörige Video-Produktplattform **Kreativplattform** vorgestellt. Dieses Innovation zielt darauf ab, durch die Kombination aus generativer KI und multimodaler Technologie eine umfassende Lösung für die Video-Generierung zu schaffen, um den starken Bedarf an nativem Inhaltsproduktions in Szenarien wie Suche, Werbung und Empfehlungen zu decken. Die MuseSteamer-Serie von Video-Generationsmodellen ist vielfältig und umfasst momentan Turbo, Lite, Pro sowie

Die Welt-Maschinenhund-Wettbewerbe starten - Black Panther 2.0 stellt sich extremen Aufgaben und einem 100-Meter-Menschenmaschinen-Kampf

Neu veröffentlichtes KI-System OmniGen 2: Es verbindet Bild- und Textgenerierung wie GPT-4o

Alibaba Ovis-U1 präsentiert mit einem Schock: Multimodale AI-Dreifachintegration Open-Source-Enthusiasmus für Entwickler weltweit

Am 29. Juni 2025 gab das Alibaba International AI Team offiziell das neue multimodale Großmodell **Ovis-U1** bekannt und markierte damit einen weiteren bedeutenden Durchbruch in der multimodalen künstlichen Intelligenz. Als das neueste Werk der Ovis-Reihe vereint Ovis-U1 die Funktionen der multimodalen Verständnis, Bildgenerierung und Bildbearbeitung und zeigt starke Fähigkeiten zur Bearbeitung von multimodalen Daten. Dies bietet Entwicklern, Forschern und branchenspezifischen Anwendungen neue Möglichkeiten. Hier ist eine detaillierte Berichterstattung über Ovis-U1 von AIbase. Ovis-U1

Runway AI bringt mit großem Aufwand das Spielwelt-System heraus - ein großes interaktives Text-Abenteuer kommt

Kürzlich kündigte die AI-Technologie-Pionierfirma Runway an, ihre neue generative KI-Plattform "Game Worlds" zu veröffentlichen. Dieses innovative Produkt markiert nicht nur den Erfolg von Runway im Filmsektor, sondern erweitert auch in den Games-Bereich und bietet Kreativen und Spielern eine neue interaktive Erfahrung. Game Worlds: Interaktives Text-Abenteuer mit KI-gestützter Technologie. Die Plattform Game Worlds von Runway basiert auf generativer KI und ermöglicht es Benutzern, durch einfache Texteingaben Abenteuerspiele basierend auf Text zu erstellen und zu erleben. Im Gegensatz zu traditionellen

Ein Bild reicht aus, um einen viralen Video zu erstellen! MOKI 'KI-Kreativwerbung' ist zeitlich begrenzt kostenlos

Kürzlich hat ein KI-Videoerzeugungstool namens MOKI Aufmerksamkeit erregt. Die Funktion der 'KI-Kreativwerbung' ermöglicht es durch einfache Bedienung, Bilder in professionelle Videos umzuwandeln. Laut offiziellen Angaben benötigen die Nutzer keine Erfahrung im Schnitt oder komplexe Konzepte. Sie müssen lediglich ein Bild hochladen und eines der zeitlich begrenzten kostenlosen Vorlagen wie 'Produkt auspacken', 'Zu Pelz verwandeln', 'IP tanzen' auswählen, um schnell ein virales Video mit Film-ähnlichen Kamerafahrten zu erstellen.

Google präsentiert Imagen4: Durchbruch bei der Textgenerierung Gemini API unterstützt Text-zu-Bild

Kürzlich stellte Google mit der Gemini API offiziell seinen neuesten Text-zu-Bild-Modell **Imagen4** vor und markiert damit einen wichtigen Meilenstein im Bereich der generativen KI (AIGC). Laut dem offiziellen Google-Blog und Community-Feedback erreichte Imagen4 in der Textgenerierung innerhalb von Bildern einen Durchbruch und löste das langjährige technologische Problem des AIGC, was Entwicklern Werkzeuge zur Erstellung hochwertiger visueller Inhalte bietet. Es wird berichtet, dass der Modell in zwei Varianten namens **Imagen4** und **Imagen4Ultra** erhältlich ist, wobei die Preise für beide variiert.