生成式AI

一、 液体基础模型刷新SOTA，非GPT架构首次显著超越Transformer

1. MIT系初创公司Liquid AI发布液体基础模型LFM，首次显著超越传统Transformer架构；

2. LFM模型具有多模态能力，适用于视频、音频、文本等数据，提供低内存消耗与高效推理；

3. LFM展现出优异性能，其1B、3.1B和40.3B模型版本在多个基准测试中成为新的SOTA，突破了GPT架构的限制。

https://mp.weixin.qq.com/s/-JYnr7_KvIEifsA7E8W1NQ

二、 OpenAI DevDay公布五项重大创新，成本比GPT-3降低近1000倍

1. 实时API支持构建实时“语音转语音”应用，加强开发者对ChatGPT的语音交互功能应用；

2. 提示词缓存功能减少API调用成本和延迟，特别是对于频繁重复使用上下文的应用；

3. 模型蒸馏允许使用大型AI模型的输出优化小型模型，提升小型模型性能并降低运行成本。

https://mp.weixin.qq.com/s/SsjhWdydjitn6VNeD1kI4g

三、 OpenAI重磅发布交互界面canvas，让GPT成为写作和编程利器

1. OpenAI发布canvas界面，支持与ChatGPT协作完成写作和编程项目；

2. canvas提供直接编辑文本和代码的功能，包括目标性编辑和整体重写；

3. canvas支持多种编程语言，优化了代码审查、调试、和注释添加的流程。

https://mp.weixin.qq.com/s/ZoPh6JZ-PWKcNvHIG1U5QA

四、 好久不见！Pika 1.5 发布：超物理特效，功能很抽象、但全量开放

1. PIKA 1.5版本直接全量开放，无需排队等待，增强用户获取与体验；

2. 引入Pikaffect功能，通过预设的特效模板，用户可上传图片并应用特效生成抽象视觉内容；

3. 特效操作包括膨胀、挤压、压碎、爆炸、融化和蛋糕化等，提供有趣且社交分享价值高的视觉体验。

https://mp.weixin.qq.com/s/2-OkFLyy05TO54nQnExhKQ

五、 Sora中的战斗机！meta发布史上最快AI视频生成模型，但不开源

1. meta发布Movie Gen模型，转换文本提示为视频，声称超越行业内其他模型如Runway Gen3和LumaLabs产品；

2. Movie Gen通过自然语言提示实现视频编辑，能处理背景变更和服装颜色调整等文本指令；

3. 生成的视频限制为768p宽度，可增强至1080p，最长视频长度16秒，但目前不包括语音输出，且不开源。

https://mp.weixin.qq.com/s/3LafjByzmm8nfiyuNtVy-w

六、 最新AI生图模型Flux1.1刷屏！添加单反相机文件名获得超写实图像

1. Flux1.1 AI模型通过模拟单反相机文件命名格式，显著提升生成图像的写实质感；

2. 使用不同相机品牌的文件格式如CR2、ARW等作为提示，可得到不同风格的超写实图像；

https://mp.weixin.qq.com/s/61GRYQ_JIDQuJVVpSFoeEg

七、 无需相机数据！刚刚苹果用AI颠覆3D视觉，0.3秒生成3D深度图

1. 苹果发布的AI模型Depth Pro能从单张2D图像快速生成3D深度图，用时仅0.3秒；

2. Depth Pro可以估计相对和绝对深度，对增强现实和空间计算应用至关重要；

3. Depth Pro模型已开源，提供了无需相机数据的“零-shot学习”能力，极大地增强了灵活性和应用范围。

https://mp.weixin.qq.com/s/ns4SnppTvlMTz2J_a_aEjA

前沿科技

八、 脑科学“登月时刻”？果蝇大脑绘制:AI + 众包，33 年工作量 3 年完成

1. 完成了果蝇成年大脑的全连接组绘制，标志着神经科学领域的重大突破；

2. 结合AI技术和众包方法，将原本需要33年的工作量缩短至3年完成；

3. 该成果有助于深入理解大脑功能，预计将推动其他生物的大脑连接组绘制工作，包括人类。

https://mp.weixin.qq.com/s/HvpQREAZDiur5aHpCwPP3w

报告观点

九、 Sam Altman：新系统是一个重要的新范式的开端，AI发展将爆炸性增长

1. 新系统引入了重要的新范式，预示AI将在未来几年迎来爆炸式增长；

2. 新系统能显著提升程序员的生产力，助力科学研究和经济发展；

3. Altman强调新AI工具的潜力，它将改变计算机编程的本质，使程序开发更高效。

https://mp.weixin.qq.com/s/3yvBnp4jzu98HMOOrZXO5A

十、 对话Stability创始人：视频技术已进入工程阶段，2025将是Agent元年

1. 视频技术已进入工程阶段，关注实用性和优化；

2. 高质量视频制作技术存在，需进一步整合和应用；

3. 2025年将是AI Agent的元年，模型将执行更复杂任务。

https://mp.weixin.qq.com/s/FmhKBEvTrV7VmkNcLuEOhg