图像生成
图像,绘画
字节跳动、中科院开源多模态数据集—WebMath-40B
字节跳动和中国科学院的研究人员联合发布了超大多模态数据集InfiMM-WebMath-40B，旨在推动多模态大模型的发展。该数据集从Common-Crawl中筛选提炼而成，包含2...
15岁山东初中生做CTO，开源项目刚刚被数百万元收购了
15岁的CTO zmh开发的开源项目ChatNio被百万收购，该项目是一个集成多种流行模型和服务的一站式平台，包括OpenAI、Midjourney等。ChatNio功能全面，包括chatbo...
Meta 的智能眼镜，除了不太智能，哪儿哪儿都挺好
Meta与RayBan联名款智能眼镜RayBan Meta因其独特的功能和时尚外观在大陆市场受到关注。这款智能眼镜不仅支持语音交互，还配备了1200万像素高清摄像头，实现拍...
o1图像理解神秘现身，网友疯狂测试！Altman自曝：o2研究生级水平破105%
近期，网络上出现了关于o1图像理解功能的广泛讨论和测试。用户发现，通过选择ChatGPT 4o mini模型并上传图片，o1能够进行图像理解。这一功能原本是OpenAI未来...
o1满血版泄露！奥数题图片推理手拿把掐，奥特曼上线剧透o2
近期，OpenAI的完整版o1模型意外泄露，允许用户直接体验其功能。泄露的模型展现出了强大的图像推理能力，能够处理上传的附件并进行多模态交互。在测试中，o1...
大模型玩你画我猜：Claude6局3胜，GPT-4o表现迷惑
最近，一种新的测试基准在人工智能领域引起了广泛关注，即让大型AI模型参与“你画我猜”游戏。在这个游戏中，一个模型负责画画，其他模型则根据生成的内容猜测...
微软开源视觉GUI智能体：增强GPT-4V能力，超3800颗星
微软研究人员开发了一款名为OmniParser的开源视觉GUI智能体，旨在提升大语言模型（LLM）如GPT-4V在用户界面（UI）识别和操作任务中的表现。OmniParser通过将U...
3B模型打通机器人任督二脉！冲咖啡叠衣服都能干，7种形态适配，OpenAI也投了
初创公司Physical Intelligence（简称π）开发了一款名为π0的通用型机器人控制模型，该模型拥有3B参数，能够控制不同种类的机器人完成复杂任务，如叠衣服、整...
OpenAI回应一切，o1/GPT年前都会升级！奥特曼：别嫌慢，问就是缺算力
OpenAI的CEO奥特曼及其他四位高管在reddit的AMA活动中回应了公众对公司产品和AGI路线规划的疑问。他们透露，尽管不会命名为GPT-5，但年底将有重大更新。当前...
登上生图排行榜第一的red_panda，是家创业公司，不是国产模型
Recraft V3，由AI初创公司Recraft开发的模型，在Hugging Face文本转图像排行榜上以1172的ELO评分超越了Midjourney、OpenAI等公司模型，位居第一。Recraft V3...
