LangTale : Plateforme de gestion de grands modèles pour simplifier la collaboration et améliorer l'efficacité des équipes IA

Baidu lance les modèles linguistiques de grande taille Wenxin 4.5 Turbo et X1 Turbo : baisse des prix et amélioration des performances

Lors de la conférence des développeurs Create de Baidu, qui s'est tenue le 25 avril, le fondateur de Baidu, Robin Li, a présenté en grande pompe la nouvelle série de modèles linguistiques de grande taille Wenxin : Wenxin 4.5 Turbo et X1 Turbo. Ces deux nouveaux modèles ont bénéficié d'une optimisation significative en termes de vitesse et de coût, marquant une avancée majeure de Baidu dans le domaine de l'intelligence artificielle. Wenxin 4.5 Turbo, selon les informations disponibles, affiche une vitesse considérablement améliorée par rapport aux versions précédentes, avec une efficacité de traitement accrue et une baisse de prix de 80 %. Plus précisément, pour chaque million de jetons...

Baidu dévoile deux nouveaux modèles linguistiques de pointe : Ernie Bot X1 Turbo vise directement DeepSeek 4.5 Turbo et surpasse GPT-4

Baidu a lancé deux nouveaux modèles linguistiques puissants, Ernie Bot X1 Turbo et un autre modèle non nommé, qui rivalisent directement avec DeepSeek 4.5 Turbo et surpassent même GPT-4 en termes de performances. Ces avancées marquent une étape significative dans le domaine de l'intelligence artificielle.

Zhipu annonce des réductions de prix pour plusieurs de ses modèles linguistiques, dont une baisse de 90% pour GLM-4-Plus

Cette révision des prix sur la plateforme BigModel de Zhipu concerne plusieurs modèles. Le modèle GLM-4-FlashX, par exemple, est désormais proposé à seulement 10 yuans pour 100 millions de jetons. Basé sur une puissante infrastructure de pré-entraînement, il offre une vitesse d'inférence extrêmement rapide et des capacités d'appel de fonctions comparables à GPT-4. Il excelle dans l'extraction, la génération et la traduction de données.

Système Node amélioré par RAG : révolution de la recherche IA, efficacité augmentée de 30 % !

Avec le développement rapide de la technologie de l'intelligence artificielle générative, les systèmes de génération augmentée par la recherche (RAG) deviennent une technologie clé pour améliorer la précision et la pertinence contextuelle des grands modèles linguistiques (LLM). Récemment, un système RAG innovant appelé NodeRAG a suscité un intérêt considérable dans le secteur, sa structure de graphe hétérogène unique apportant une percée révolutionnaire aux flux de travail RAG. NodeRAG : nouveau paradigme RAG basé sur un graphe hétérogène NodeRAG est

Lancement en open source de Persona Engine : une nouvelle expérience interactive grâce à l'IA et Live2D

Persona Engine (moteur de personnalité) a récemment été publié en open source. Grâce à sa puissante combinaison de technologies de pointe telles que les grands modèles linguistiques (LLM), Live2D, la reconnaissance vocale automatique (ASR), la synthèse vocale (TTS) et le clonage vocal en temps réel (RVC), il suscite un vif intérêt dans le domaine de l'IA et de la création de contenu virtuel. Selon AIbase, ce projet permet une interaction en temps réel avec des personnages virtuels grâce à des conversations naturelles et des expressions dynamiques. Il est particulièrement adapté au VTubing et aux applications similaires.

Moteur Persona : un outil piloté par l'IA pour donner vie à des personnages virtuels

À l'ère numérique en constante évolution, l'intégration des personnages virtuels et des expériences interactives devient une tendance majeure. Persona Engine répond à ce besoin en offrant une boîte à outils complète intégrant Live2D, **des grands modèles linguistiques (LLM), la reconnaissance vocale automatique (ASR), la synthèse vocale (TTS)** et **le clonage vocal en temps réel (RVC)**. Il fournit ainsi une solution idéale pour créer des personnages numériques vivants et interactifs. Ce moteur est particulièrement adapté au VTubing.

ByteDance Research publie ChatTS-14B : un modèle linguistique de grande taille (LLM) pour la compréhension et le raisonnement temporels natifs

L'équipe de recherche de ByteDance a annoncé la publication en open source de ChatTS-14B, un grand modèle linguistique (LLM) de 14 milliards de paramètres conçu pour la compréhension et le raisonnement des données de séries temporelles. Publié sous licence Apache 2.0, ChatTS-14B a suscité un vif intérêt au sein de la communauté de l'IA, étant considéré comme une avancée majeure dans la combinaison de l'analyse de séries temporelles et de l'IA générative. ChatTS-14B : un moteur de dialogue intelligent pour les séries temporelles ChatTS-14B est basé sur Qwen2.5-1

L'ascension de l'Asie : DeepSeek, les investissements massifs et les centres de données stimulent la compétitivité de l'IA

Lors du Forum économique mondial de Davos cette année, de nombreux dirigeants du monde des affaires et de la politique se sont réunis et ont largement convenu que les géants technologiques américains dominaient le domaine de l'intelligence artificielle (IA), tandis que la Chine et l'Asie dans son ensemble semblaient prendre du retard. Cependant, après le départ des participants, cette perception a commencé à être remise en question. Tout d'abord, un fonds spéculatif chinois relativement inconnu, DeepSeek, a attiré l'attention du monde entier. Le département IA de la société a lancé un grand modèle linguistique appelé R1,

Les chercheurs en IA de Nvidia présentent la technologie de fusion FFN : Accélération de l'inférence des grands modèles linguistiques

Recherche : Le nombre de documents dans les systèmes RAG affecte les performances des modèles linguistiques

Des chercheurs de l'Université hébraïque de Jérusalem ont récemment découvert que dans les systèmes de récupération augmentée par la génération (RAG), le nombre de documents traités affecte significativement les performances des modèles linguistiques, même si la longueur totale du texte reste constante. L'équipe de recherche a mené des expériences en utilisant 2 417 questions du jeu de données de validation MuSiQue, chaque question étant liée à 20 extraits de Wikipédia. Deux à quatre extraits contenaient des informations pertinentes pour répondre à la question, les autres servant de distracteurs. Pour étudier l'influence du nombre de documents, l'équipe a créé plusieurs partitions de données, réduisant progressivement le nombre de documents de 20 à...