8月14日·Grok-2 AI模型：性能飞跃，生图能力引发热潮

44 0 0

8月14日·周三 AI工具和资源推荐

AI智库导航-aiguide.cc为您提供最新的AI新闻资讯和最新的AI工具推荐，在这里你可以获得用于营销的AI聊天机器人、AI在商业管理中的应用、用于数据分析的AI工具、机器学习模型、面向企业的AI解决方案、AI在商业客户服务中的应用、AI和自动化工具等。

Grok-2 AI模型：性能飞跃，生图能力引发热潮

近日，xAI公司宣布推出Grok-2及其轻量级版本Grok-2 mini两款AI模型，相较于上一代，它们在编码、数学和推理方面取得了显著进步。在LMSYS总榜上，Grok-2早期版本sus-column-r与GPT-4o不相上下，展现出强大的竞争力。特别引人注目的是，Grok-2已集成了爆火的Flux AI生图能力，用户在𝕏平台的体验得到全面升级。Grok-2在遵循指令和提供准确信息方面表现出色，其性能在多个基准测试中均有显著提升，特别是在研究生级别科学知识、数学竞赛问题和代码领域。此外，Grok-2 mini虽参数较少，但性能接近大模型，显示了xAI在模型优化方面的成就。预计本月底，Grok-2和Grok-2 mini的API将正式发布，进一步推动AI技术的应用和发展。来源：微信公众号【新智元】

谷歌AI语音助手Gemini Live：全球52亿终端的新变革

谷歌在主题演讲中宣布推出AI语音助手 Gemini Live，预计将在全球30亿安卓和22亿iOS设备上上线。尽管现场演示出现了小插曲，但谷歌决心抢先OpenAI登场，展示其AI技术的真实进展。Gemini Live提供全新的移动对话体验，支持自然对话语言交流，并具备10种不同的声音选择和免提功能。此外，谷歌还展示了Gemini Live如何深入集成到安卓、应用程序和Pixel设备中，以及如何通过AI技术提升用户体验。来源：微信公众号【新智元】

MultiOn推出Agent Q：AI智能体领域的新突破

初创公司MultiOn近期发布了一款名为Agent Q的AI智能体，宣称在真实预订任务中实现了95.4%的成功率，这一成果在AI领域引起了广泛关注。Agent Q是一个自监督智能体框架，能够通过互联网上的真实任务进行自我对弈和强化学习，实现自主改进。MultiOn的CEO Div Garg在推特上频繁使用草莓表情符号提及Agent Q，引发了外界对其背后可能与OpenAI的Q*项目有关的猜测。Agent Q的推特账号也因其“人机难辨”的发言和草莓元素而备受关注。尽管存在争议，Agent Q的技术含量不容小觑，它结合了搜索、自我反思和强化学习，解决了传统LLM训练技术的局限性，尤其在多步推理任务中表现出色。目前，Agent Q尚未开放试用，感兴趣的用户可以在MultiOn官网注册等待内测机会。来源：微信公众号【新智元】

中国企业昆仑万维推出全球首个AI流媒体音乐App Melodio

昆仑万维公司近日推出了全球首个AI流媒体音乐应用——Melodio，标志着音乐产业的AI革新。Melodio的特点是能够无限流式地生成由AI创作的独特音乐，用户只需输入一个Prompt，即可享受个性化的音乐体验。无论是轻松散步还是激情健身，Melodio都能根据用户的情感和场景需求生成相应的音乐。此外，昆仑万维还推出了Mureka，一个AI音乐创作平台，它允许用户通过输入歌名和歌词，选择参考音乐，快速生成具有个性化风格的歌曲。Mureka的亮点在于其生成的音乐不仅质量上乘，还具备商业价值和创作证明。昆仑万维凭借其在AI音乐领域的创新和16年的出海经验，正引领着全球音乐产业的AI变革。来源：微信公众号【量子位】

开源多模态大语言模型VITA：腾讯优图实验室的创新之作

在多模态大语言模型（MLLM）快速发展的今天，腾讯优图实验室联合其他机构的研究者提出了VITA，全球首个开源的MLLM。VITA能够处理包括视频、图像、文本和音频在内的多种模态，提供先进的多模态交互体验。该模型在Mixtral 8×7B的语言基础上进行扩展，增强了汉语词汇量，并经过双语指令微调以及多模态对齐和指令微调的两阶段多任务学习，显著提升了模型的多语言、视觉和音频理解能力。VITA在单模态和多模态基准测试中的卓越表现，以及在提升自然多模态人机交互体验方面的进展，使其成为开源社区在多模态理解和交互无缝集成方面的重要基石。尽管VITA与闭源模型相比还有提升空间，但其开源特性为后续研究提供了宝贵资源。来源：微信公众号【机器之心】