AI.x社区

今天有朋友需要用到电子证件照，可惜他只有N年前拍的实体照，电子版的早就忘记在哪个收藏夹吃灰了，找也找不到。然后跟我抱怨还得请假出去拍照，我说老哥这都AI时代了，哪家好男人要证件照还自己出去拍的。找个AI软件分分钟就完成了，本来想推荐几个软件给他，转念一想还要收费，虽然省事，但也要花个一二十元的，留着吃饭加鸡腿多好。于是我花了5分钟就制作一个AI图像工作流发给他，轻松实现证件照生成。主要还是一个换脸图像...

数据是人工智能发展的基础和核心。没有数据，人工智能模型就无法学习和成长，也就无法发挥其应有的作用。数据预处理是数据挖掘过程中的一个重要步骤，也是人工智能模型训练前的必要准备。本文将介绍人工智能中数据的重要性以及数据预处理的主要任务和注意事项。关键词：人工智能、数据、数据预处理1.数据的重要性数据在人工智能中主要有以下几个作用：•提供训练样本：人工智能模型的训练需要大量的数据样本。这些样本可以是文...

DeepSeek对MoE架构做了哪些改进？跟Mixtral的MoE有什么不同？这个是我的学员最近面试某个大模型独角兽遇到的一道面试题。1.面试官心理分析这篇文章，我们就从面试官的角度来分析一下，如果你在面试现场被问到这个题目，应该如何作答？面试官问这个问题，它其实是想考你什么？第一，Mixtral大模型采用的MoE架构长什么样？第二，就是DeepSeek的MoE做了哪些改进，这样改进的动机是什么？2.面试题解析要回答DeepSeek的MoE改进，我们...

刚刚，ChatGPT能力迎来了一次重大飞跃。在凌晨的直播中，OpenAI正式发布了o3推理模型，同时发布的还有下一代推理模型o4mini。o3以o1十倍的算力效率和多模态深度思考能力，将AI推理技术推向了“天才级”的高度，推动了编码、数学、科学、视觉感知等领域的发展。据官方介绍，o3是OpenAI迄今为止最智能、最强大的推理模型。它的核心突破在于多模态思维链的深度融合。不同于传统模型仅能识别图像，o3可将图像直接嵌入推理逻辑中，实...

编者按：当你面对需要高质量逆向推理能力的应用场景时，传统大语言模型是否让你感到力不从心？在诗歌逆向补全、逻辑逆向推导等任务中，为什么即使是GPT4o这样的强大模型也会表现失常？文章深入介绍了LLaDA(LargeLanguageDiffusionwithmAsking)这一创新模型的工作原理、训练过程与性能表现。与传统自回归模型不同，LLaDA借鉴了计算机视觉领域的扩散模型思想，通过逐步去除掩码来生成文本，而非从左到右逐个生成token。性能测试显...

作者于斌平编辑云昭在大模型时代，软件应用开发范式正在发生深刻变革。传统的开发模式以代码为核心，注重如何用代码实现功能及用户的交互体验；而大模型时代的开发则以模型能力为核心，强调智能交互设计和业务场景创新。本文将从新范式的关键特征、软件工程模式和开发理念的变革、建议与实践三个方面展开讨论，旨在为企业在大模型落地过程中提供全面的技术和方法指引。1.新范式的关键特征1.1人机交互模式发生改变传统开发围绕功...

今天凌晨1点，OpenAI进行了技术直播，发布了最强、最智能模型o4mini和满血版o3。o4mini和o3是两款多模态模型，能同时处理文本、图像和音频，并且能作为Agent智能体自动调用网络搜索、图像生成、代码解析等工具以及深度思考模式（思维链中可以思考图像）。根据OpenAI公布的测试数据显示，o4mini在AIME2024和2025中，分别达到了93.4%和92.7%，比满血版o3还强，成为目前准确率最高的模型；在Codeforces测试中达到了2700分，成为全...

文章链接：https:arxiv.orgpdf2504.11346官方链接：https:team.doubao.comtechseedream30亮点直击相比Seedream2.0能力全面增强：在用户偏好测试中表现出色，在图文对齐、构图结构、美学质量和文字渲染等关键能力方面有重大突破。文本渲染性能提升显著：在中英文小尺寸字符生成和高美学长文本排版方面表现优异。小文本生成与美学排版难题的开创性方案，在图文设计输出上超越Canva等平台的人设模板。图像美学提升：图像美学质量显...

AI驱动的调试工具正在颠覆开发者识别、诊断和修复代码问题的方式。这些工具利用机器学习和AI技术自动化传统调试流程，节省时间并提高代码质量。本文将带大家了解六大最受欢迎的AI调试工具及其核心功能、所需技能和比较优势。什么是AI调试工具？AI调试工具标志着软件开发工作流程的重大进步。它们利用人工智能实时识别异常、提出修复建议，甚至自动纠正代码问题。这些工具能够显著缩短调试时间，同时提升整体代码质量和开发者效...

很多人想部署大模型，比如GLM、ChatGLM、DeepSeek、MiniCPM，一到实际部署就开始发愁：到底要不要3090？用A10行不行？这个模型说自己是7B，我电脑够吗？为啥有的说13G能跑，有的一跑就爆显存？其实这些都不是玄学，只要你搞清楚：模型有多大、怎么压缩、你准备怎么用，机器需求是能算出来的。给大家一个计算显存的公式：显存≈参数量×精度字节数×1.52（考虑运行中额外占用）一、先把问题拆开：我们到底要算啥？按照Agent的思...

DeepSeek悄悄更新了他们的基座模型。版本号DeepSeekV30324，参数685B（上一个版本671B）。一如既往，DeepSeek继续在HuggingFace上开源发布，而且是MIT许可（也就是任何人都可以免费使用、修改、分发和商用这块模型）。新模型发布后，很快就成为了HuggingFace上最热门的开源模型。体验地址（关掉深度思考）：https:chat.deepseek.com我在看到这条消息后，一直犹豫到底要不要写稿。最后还是决定先睡一觉，让子弹飞一会儿。在过去1...

在当今这个日新月异的科技时代，大语言模型（LLMs）的竞赛早已如火如荼地展开。从最初的简单模型，到如今动辄数千亿参数的庞然大物，研究人员和企业们一直在探索如何让这些模型变得更智能、更高效、更实用。然而，随着模型规模的不断扩大，随之而来的挑战也愈发明显：如何在提升推理能力的同时，提供强大的多语言支持？如何在复杂的开放性任务中表现出色，而不被高昂的计算成本所拖累？这些问题，就像悬在头顶的达摩克利斯之剑...

在当今人工智能飞速发展的时代，大语言模型（LLMs）已经成为现代AI应用的核心组成部分。从智能助手到代码生成器，从语言翻译到内容创作，LLMs的应用场景无处不在。然而，如何准确评估这些强大模型的能力，却一直是一个充满挑战的问题。传统的基准测试曾是衡量LLM性能的标准，但随着AI技术的飞速发展，人们开始质疑这些基准测试是否还能真实反映LLM在现实世界中的表现。本文将深入探讨LLM基准测试的现状，分析它们是否仍然具有相...

在数字化浪潮席卷全球的今天，AI技术正以前所未有的速度融入各行各业的基础设施中。无论是企业还是开发者，都面临着一个艰巨的挑战：如何在有限的计算成本下，实现AI性能、可扩展性和适应性的完美平衡。大型语言模型（LLMs）的飞速发展，为自然语言理解、推理和对话式AI开辟了新的天地，但它们庞大的体积和复杂的结构，往往导致部署效率低下，难以大规模应用。就在这样的背景下，NVIDIA带着它的创新解决方案——Llama3.1Nemotro...

0前言LLM凭借其生成连贯文本、翻译语言甚至进行对话的能力，彻底改变人工智能领域。然而，尽管这些模型表现出色，它们在推理和理解复杂上下文方面仍然面临重大挑战。这些模型擅长识别并模仿训练数据中的模式，但当任务需要真正的理解和逻辑推理时，它们往往遇困。可能导致：长对话中的不一致难以关联分散的信息在长篇叙述中难以保持上下文一致性深入理解这些推理问题对于改进未来LLM的发展和应用至关重要。1关键推理挑战1.1缺乏...

前言这次在没有外网（应该说是被限制比较多）的服务器上部署，遇到一些坑，记录一下ollamaollama自然无法使用在线安装脚本了根据ollama的文档先在本地电脑根据服务器的系统和CPU架构下载安装包curlLhttps:ollama.comdownloadollamalinuxamd64.tgzoollamalinuxamd64.tgz然后使用scp等工具上传到服务器scpollamalinuxamd64.tgz服务器地址:temp连接到服务器上后解压安装，跟着ollama文档来就行（见第一个参考资料）sudotarCusrxzfo...

2025年4月14日，中国AI领军企业智谱AI正式推出GLM432B0414系列大模型，以32B参数量实现全方位能力跃升。该系列创新性融合对话、推理、沉思等多元智能模块，在基准测试中展现出与GPT4o、DeepSeekV3R1等国际顶尖模型比肩的综合性能。尤为关键的是，智谱此次以MIT开源协议向全球开放模型权重，结合其突出的本地化部署优势，真正实现了"高性能"与"普惠性"的双重突破。作为"大模型六小虎"中IPO进程最快的企业，智谱此番动作既彰显了...

人工智能（AI）快速发展，模型训练是核心环节，优化器扮演着至关重要的角色，它负责调整模型的参数，让模型在数据上表现得更好。多年来，AdamW优化器一直是优化器的标杆，因其稳定性和高效性深受研究者和工程师的喜爱。然而，随着AI模型规模的不断扩大，训练成本和时间的需求也在激增，这让人们开始寻找更高效的优化方法。近期，一种名为Muon的优化器算法悄然出现（源代码​​​​https:github.comKellerJordanMuon​​​​），...

编辑｜云昭出品51CTO技术栈（微信号：blog51cto）4月17日凌晨1点，一半OpenAI的模型精锐都出来秀肌肉了！凌晨一点，OpenAI派出了8位新老大将齐聚今晚的直播间，一起解说OpenAI新发布的目前OpenAI最为强大、最为智能的模型：满血o3和o4mini！可以说这次发布的重点和卖点就是：实用价值（真能代替你干活）！‍‍‍‍‍‍“这些是首批得到顶尖科学家和律师认可的模型，这些模型能够产生真正有价值且实用的新想法。我们已经看到了非...

项目亮点OWL(OpensourcedWorkflowLearner)是由CAMELAI团队推出的开源AI智能体项目，完全复刻Manus的核心功能，并在灵活性和开源生态上实现超越：GAIA性能天花板：以57.7%的基准测试得分碾压HuggingFace的OpenDeepResearch（55.15%）逆向工程黑科技：通过六步拆解Manus工作流（Ubuntu容器启动→知识召回→数据挂载→任务清单生成→工具链执行），实现技术路线透明化跨平台掌控力：融合CRAB技术，可同时操控电脑、手机等多设备，...

在当今数字化的时代，信息和知识如同浩瀚的海洋，而我们每个人都要在其中寻找属于自己的宝藏。想象一下，作为一名医生，你手中握有海量的科研资料，它们如同一座座知识的孤岛，等待着被探索和整合。如果能够拥有一位专属的“知识机器人”，它不仅能够学习并吸收你所有的资料，还能在你需要时，迅速为你提供精准的答案，这将是多么令人向往的事情啊！你无需再耗费大量时间在繁琐的资料检索中，只需简单地向它提问，答案便如自来...

4月15日，快手可灵2.0正式上线——上传几张图、几句话，AI就能给你剪出一段逼真到怀疑人生的视频！这次升级有多炸炸裂？视频效果全面提升：可灵2.0在动态质量、语义响应、画面美学等方面的呈现效果实现全球领先，同时全面升级视频及图像创作可控生成与编辑能力，上线全新的多模态视频编辑功能，能灵活理解用户意图；导演级操控：上传一张模特图+商品视频，AI能自动合成带动态光影的广告大片；局部精修：对专业创作者而言，可灵2...

编辑李美涵出品51CTO技术栈（微信号：blog51cto）据《AI科技评论》报道，字节跳动AILab将整体并入Seed团队，标志着这个成立已久的老牌研究院式组织，正在被一种更“扁平化”的新型研发模式彻底取代。自2025年2月原GoogleDeepMind副总裁吴永辉加入字节以来，字节的AI业务陆续迎来一系列组织架构和人事上的重大调整。原本由朱文佳独立负责的Seed部门，如今逐步演变为吴永辉与朱文佳分工协作的双负责人机制：朱文佳主抓模型应用方...

今天，可灵全系正式进入2.0时代了！先来看看2.0动态质量、语义响应、画面美学等维度做了升级，直接看视频是最直观的：要知道，可灵1.6表现已经相当能打，做到了文生图行业第一，文生视频行业第二的水平。根据发布会介绍，可灵AI全球用户规模突破2200万，过去的10个月里，其月活用户量增长25倍，累计生成超过1.68亿个视频及3.44亿张图片。而这次2.0的重磅发布，直接让可灵系列成为当之无愧的世界冠军——还是双料的。在文生图模...

编辑云昭出品51CTO技术栈（微信号：blog51cto）今天的智谱非常了不起，一天内同步发生了三件大事！每一件事都让界内十分提气！第一件事，智谱成为了首家启动IPO的“大模型六小龙”公司；第二件事，改了全球域名：z.ai；第三件事，一口气发布且开源了六款模型。开启IPO、上线全球域名、开源6款模型，每件都能成为当天的热搜，巧的是，同一天爆发开了。1.首个IPO，为什么是智谱？4月15日，一张中国证监会官网的截图被AI圈传开，官...

文章链接：https:arxiv.orgpdf2504.02782代码&数据集：https:github.comPicoTrexGPTImgEval亮点直击GPTImgEval，首个通过三个成熟基准（包括文本到图像生成、编辑和理解引导生成）定量和定性评估GPT4o图像生成能力的基准测试。全面结果突显了GPT4o在图像生成和理解能力上优于先前模型的卓越表现。基于测试结果深入分析，包括：（1）通过基于分类器的图像分析研究GPT4o的潜在底层架构；（2）对其弱点的系统性实证研究，包括常见...

今天凌晨1点，谷歌DeepMind终于将大家期待已久的Veo2整合到GeminiApp应用中，全面开放使用。Veo2可以最高生成8秒720P电影级视频，在运镜、文本语义还原、物理模拟、动作一致性等方面非常优秀，同时支持图片转视频功能。根据谷歌公布的测试数据显示，Veo2在用户偏好和提示还原方面已经超过了Sora、可灵1.5、MetaMovieGen和Minimax。此外，从今天开始开发人员可以在GoogleAIStudio中通过API使用Veo2。API详细地址：​​https:ai.g...

我见过的最省的GPT4o，Claude，Gemini2级别的模型，而且是国内唯一有机会上桌的，其实海外目前和这三家有资格掰手腕的也只有它自己，可以负责任的说其他的模型不配上桌吃菜（Gemini上个月都没资格）。其实性能好就不说了，DeepseekR1就还不错，国内讲道理是第一家做inferencetimingscalinglaw的模型，阿里是第二家，其他的就不太值得谈论了，其实国外也只有GPT和Google有资格，没想到年底还能出个DeepseekV3，在传统scalinglaw...

阿里的Ma等人于2018年在论文《EntireSpaceMultiTaskModel:AnEffectiveApproachforEstimatingPostClickConversionRate》中提出了ESMM模型，用于建模电商推荐系统中点击后转化率的预估问题，同时有效缓解了样本选择偏差和数据稀疏问题。本文将从ESMM模型提出的背景、问题建模、模型原理及损失函数涉及方面进行详细的阐述。1.ESMM模型背景（1）在电商推荐系统中，用户的行为一般遵循“曝光点击转化”的顺序，ESSM主要用于建模点击...

我集中精力，花2个多小时把DifySandbox官方源码研究了一下，终于理清了Sandbox执行代码的逻辑，顺便实现了在不修改官方difysandboxdocker镜像，用户上传文件后路径的获取和对Excel文件的数据处理。话不多说，先看效果。一个有9406条数据的Excel文件瞬间完成了数据处理工作。下面我来说一下，这个如何实现。Dify安装成功后，会有10个Docker容器，其中dockersandbox的作用是用来执行工作流中”代码“这个节点运行的代码。这样就保...

MCP（ModelContextProtocol）的热度还未消散，新的Agent接口标准A2A（Agent2Agent）又悄然登场。就在上周，Google在CloudNext大会上正式推出了Agent2Agent（A2A）开放协议。简单来说，A2A旨在为Agent之间的通信提供一个开放标准，促进不同Agent之间的协作与交互。目前，AI领域有三大巨头在Agent生态中积极布局：Anthropic：推出了MCP，旨在标准化AI大模型与外部工具和数据源的交互。Google：推出了A2A，专注于Agent之间的通信和...

在本文中，我将从使用者的角度出发，分享关于MCP（ModelContextProtocol，模型上下文协议）的实用内容，本文旨在回答以下5个核心问题：什么是MCP？为什么需要MCP？作为用户，我们如何使用开发MCP？MCP架构设计剖析MCP运作机制剖析1、什么是MCP？MCP（ModelContextProtocol，模型上下文协议）的起源可以追溯到2024年11月25日，Anthropic在其发布的文章《IntroducingtheModelContextProtocol》中首次提出了这一概念。MCP定义了应...

大多数普通人眼里AI的模样是什么？看着网站草图，AI就自动做了一个原形网站。只需要告诉AI指令，它就帮你完成了一系列的机票订票流程。许多人更是憧憬过AllinOneApp——我只要动嘴，一切活有AI搞定。可以说，现阶段的AI使用形态，充其量就是个氛围组。我只能获取必要的资料指引，具体的活还得我自己来干。而过去两年的发展，AIAgent不过是雷声大，雨点小的玩意了。做的人很多，但是能够在路人之间火出圈的产品，大抵也只有Manus...

模型架构KimiVL模型整体架构框架与前期内容介绍的llava、reyes等多模态大模型的架构大差不差，组成形式：视觉编码器（MoonViT）+MLP层+MoE的LLM。模型架构1.MoonViT：视觉编码器MoonViT的设计目标是能够以图像的原始分辨率处理图像，从而消除复杂的子图像分割和拼接操作。这种设计使得MoonViT能够更灵活地处理不同分辨率的图像，而不需要进行额外的预处理步骤。实现方式：图像分块和拼接：MoonViT采用NaViT中的打包方法，将图像...

“大模型的使用就类似于汽车驾驶，只有有经验的老司机才能真正开好车。”随着人工智能技术的发展，大模型的应用范围越来越广，因此学习和使用大模型成了一个必不可少的技能。但很多人面对的问题是，不知道应该怎么学习大模型，因此我们今天就来讨论一下大模型的学习方式。怎么学习大模型或许你可能并不懂人工智能，你也可能不懂大模型技术，但是你懂汽车驾驶吗？也就是开车。工具思想如果说你不知道应该怎么学大模型，甚至觉得...

今天，国内AI行业迎来了一场震撼性的开源盛宴——智谱AI（ZhipuAI）一口气免费开源了6款GLM系列大模型，涵盖基座、推理、沉思三大类别，并细分9B和32B两种参数量级。更令人振奋的是，其中GLMZ132B推理模型实测速度高达200tokens秒，登顶国内商用模型速度之最，而价格却仅为DeepSeekR1的130，甚至部分版本完全免费商用！这一波操作，不仅让开发者直呼“真香”，更让行业开始思考：大模型的商用门槛是否正在被彻底打破？免费开源...

北京时间4月15日凌晨，OpenAI毫无预兆地上线了GPT4.1系列模型！包含GPT4.1标准版、轻量级GPT4.1mini和极致性价比的GPT4.1nano三款模型，性能全面超越GPT4o，支持百万级token上下文处理，价格却更低。这一发布不仅让开发者直呼“真香”，更标志着AI技术向实用化迈出关键一步。颠覆性突破性能全面碾压前代，长文本理解史诗级升级百万token上下文窗口：GPT4.1系列支持100万tokens的上下文长度（相当于一本长篇小说的体量），是GPT4...

在人工智能技术日新月异的今天，昆仑万维再次以惊人的创新力震撼业界——全新升级的SkyworkOR1(OpenReasoner1)系列中文推理大模型正式发布！这不仅是一次技术迭代，更是一场关于开源精神与AI普惠化的革命性突破。120参数量，比肩640B顶级模型SkyworkOR1系列最令人惊叹的，莫过于其"以小博大"的卓越性能。据官方数据显示，旗舰版本SkyworkOR132B虽然参数量仅为32B，却能在多项基准测试中与参数量高达640B的DeepSeekR1打得有来有...

Seaweed7B:CostEffectiveTrainingofVideoGenerationFoundationModel20250411｜ByteDance,ByteDanceSeed🔺83​​http:arxiv.orgabs2504.08685v1​​​​​​https:huggingface.copapers2504.08685​​​​​​https:seaweed.video​​研究背景与意义Seaweed7B是一种中等规模的视频生成基础模型，参数量约为70亿。该研究的核心目标是探索一种成本高效的训练策略，在计算资源有限的情况下实现与大规模模型相媲美的性能。视频生成领...

在人工智能的发展历程中，大语言模型(LLM)的推理能力一直是研究的核心焦点。然而，传统的推理能力增强方法往往依赖于高质量的监督信号，如标注好的答案或外部奖励模型，这不仅成本高昂，而且难以扩展。近期，来自上海人工智能实验室、西安交通大学等机构的研究团队提出了一个革命性的解决方案——Genius框架，这是一个可泛化、纯无监督的高级推理自训练框架，能够让大语言模型在没有任何外部监督的情况下自我提升推理能力。传统...

大型语言模型（LLM）在处理超出训练长度的上下文时往往会遇到严重的性能下降问题。NVIDIA研究团队最新提出的SWANGPT架构通过巧妙的设计，成功解决了这一行业难题，无需额外的长上下文训练即可实现稳健的长度外推能力。本文深入剖析SWANGPT的创新架构、工作原理及其在长上下文处理领域的重大突破。1.长上下文处理的挑战与现状大型语言模型的上下文长度限制一直是制约其应用场景的关键因素。目前主流的Transformer架构在处理超出...

最近MCP这么火，了解了一段时间也该写篇总结，那就开始吧。1.什么是MCPMCP（ModelContextProtocol，模型上下文协议），2024年11月底，由Anthropic推出的一种开放标准，旨在统一大型语言模型（LLM）与外部数据源和工具之间的通信协议。官网的介绍：https:modelcontextprotocol.iointroductionMCP包括几个核心功能：Resources是允许服务器公开可由客户端读取并用作LLM交互上下文的数据和内容，包括文件内容，数据库，API，图片等...

人工智能技术的快速发展催生了智能体（Agent）的广泛应用，但系统间的协作障碍逐渐显现。模型无法直接访问实时数据、工具调用标准不统一、多Agent协作缺乏规范等问题，成为制约AI规模化落地的核心瓶颈。这种情况下，智能体（Agent）之间的协作与通信是实现复杂任务的关键。由此，MCP（模型上下文协议）、ANP（Agent网络协议）和A2A（Agent到Agent协议）相继成为支持AIAgent通信和协作的重要协议和框架。三种协议各有独特的设计...

本文旨在介绍利用归因图技术对大型语言模型的计算回路进行逆向工程，目的是试图彻底搞清大型语言模型的决策过程。引言多年来，基于Transformer的大型语言模型（LLM）在从简单的信息检索系统到能够进行编码、写作、开展研究的复杂智能体等一系列任务上取得了长足的进步。然而，尽管这些模型功能强大，但它们在很大程度上仍然是黑匣子。给定输入，它们可以完成任务，但我们缺乏直观的方法来理解任务的具体完成方式。LLM旨在预测统...

在学术写作中，精准引用与优质文本生成至关重要，现有检索增强生成系统却难以满足需求。今天为大家带来一篇研究成果介绍，文中提出的ScholarCopilot框架，能训练大语言模型助力学术写作。它表现如何？又有哪些创新？快来一探究竟。参考文献article{wang2024scholarcopilot,title{ScholarCopilot:TrainingLargeLanguageModelsforAcademicWritingwithAccurateCitations},author{Wang,YuboandMa,XueguangandNie,PingandZeng,Huayea...

一、引言在人工智能领域，代理是一类借助大语言模型（LLM）来决定应用程序控制流的系统。随着开发的推进，这类系统往往会变得愈发复杂，给管理和扩展带来诸多难题。比如，你可能会遭遇以下状况：工具选择困境：代理可调用的工具繁多，导致在决策下一步使用哪个工具时表现欠佳。上下文管理难题：上下文信息过于繁杂，单个代理难以有效追踪和处理。专业领域需求多样：系统内需要涵盖多个专业领域，像规划师、研究员、数学专家等角...

北京时间4月15日凌晨，GPT4.1系列模型悄然上线，以百万token上下文处理能力和26%的成本降幅，直接宣告了GPT4.5的死刑。同时，GPT4.1以更低的成本、更长的记忆、更精准的指令控制，全面碾压GPT4o。目前，该系列包含了三个模型，分别是GPT4.1、GPT4.1mini和GPT4.1nano，只能通过API调用，并已向所有开发者开放。不过GPT4o已经加入了GPT4.1的部分功能。这次发布的4.1系列（含mininano）彻底颠覆玩法：编程：GPT4.1在SWEbenchVerifi...

今天凌晨1点，OpenAI进行了技术直播发布了最新模型——GPT4.1。除了GPT4.1之外，还有GPT4.1Mini和GPT4.1Nano两款模型，在多模态处理、代码能力、指令遵循、成本方面实现大幅度提升。特别是支持100万token上下文，这对于金融分析、小说写作、教育等领域帮助巨大。由于GPT4.1的发布，OpenAI宣布将会淘汰刚发布不久的GPT4.5，其能力可见一斑。目前，如果想体验GPT4.1而无法通过API身份验证的小伙伴，微软已经在AzureOpenAI上线了该...

文章链接：https:arxiv.orgpdf2410.18775Git链接：https:github.comShilinLUVINE亮点直击提出了WBench，这是首个综合性基准测试，旨在评估11种代表性水印模型在多种图像编辑方法下的表现：图像再生、全局编辑、局部编辑和图像到视频生成。该评估涵盖了7种广泛使用的编辑模型和算法，并表明当前的水印模型在面对这些编辑时表现脆弱。图像编辑主要会去除高频波段的水印信息，而低频波段的水印受影响较小。这一现象在某些模糊失真...

嘉宾Alex作者云昭出品51CTO技术栈（微信号：blog51cto）AlexYeh回忆过去两年半的创业历程，用“一头深海中求生的鲨鱼”来形容GMICloud这家新创公司。海水中礁石隐藏在未知的角落，绕开礁石继续前行则成为了这条鲨鱼的常态。AlexYeh是AINativeCloud提供商GMICloud的创始人兼CEO。成立于2023年，GMICloud是他的第二次创业，在创业之前，他是亚太知名私募和风投公司里的董事，是加密货币与区块链生态圈里最年轻的合伙人，投资相关...