Alibaba: تولید تصاویر 2K با مدل Qwen اکنون ۵ برابر سریعتر شد
مدل جدید Qwen-Image-2.1-Turbo با کاهش مراحل حذف نویز از ۴۰ به ۸، سرعت تولید تصاویر با کیفیت 2K را بهشدت افزایش داده است. این مدل با وزنهای باز، هزینهی API ارزانتر و استنتاج…
موضوع
Models that natively process text+image+audio+video
۱٬۶۶۴ مقاله منتشر شده
مدل جدید Qwen-Image-2.1-Turbo با کاهش مراحل حذف نویز از ۴۰ به ۸، سرعت تولید تصاویر با کیفیت 2K را بهشدت افزایش داده است. این مدل با وزنهای باز، هزینهی API ارزانتر و استنتاج…
فیلم «خدایان هدیه نمیدهند» اولین اثر سینمایی کاملاً تولیدشده با هوش مصنوعی است که ردهبندی سنی بزرگسالان (R) را دریافت کرده و دسامبر ۲۰۲۶ در سینماهای آمریکا و انگلیس اکران…
پلتفرم Kenerate AI با ادغام تولید ویدیو، تصویر، صدا و موسیقی در یک فضای کاری، نیاز به جابهجایی بین ابزارهای مختلف را حذف کرده است. هدف این ابزار تسریع مسیر تبدیل ایدههای اولیه…
توسعهدهندهای به نام Maneshwar سیستمی طراحی کرده که Claude را از یک کدنویس ساده به کارگردان فیلم تبدیل میکند. این معماری با جداسازی منطق مدل زبانی از مکانیکهای حرکتی، تولید…
مدل جدید Claude Haiku 5.5 با کاهش شدید قیمت و پنجره متنی یک میلیون توکنی معرفی شد. این مدل بهطور اختصاصی برای کارهای حجیم، خلاصهسازی اسناد و مدیریت عاملهای فرعی طراحی شده است.
یک معماری جدید با ترکیب ابزارهای سرورلس AWS، امکان ساخت نمونههای اولیه (PoC) چندوجهی را بدون بودجه فراهم میکند. این روش با حذف لایههای پیچیده زیرساختی، هزینههای استقرار را…
پژوهشهای جدید نشان میدهد که الگوریتم GRPO از فضای چتباتها خارج شده و برای تسکهای ساختاریافته مانند OCR به کار گرفته میشود. همزمان، تکنیکهای جدید هزینه محاسبات تقطیر مدل را…
اپلیکیشن AniMix با استفاده از مدلهای بینایی روی دستگاه، حیوانات را شناسایی و به کارتهای جمعکردنی تبدیل میکند. این پروژه نشان میدهد که مدلهای وزنباز چگونه میتوانند بدون…
شرکت Automation Anywhere برای تبدیل سازمانها به نهادهای خودگردان، شرکت Boost.ai را خریداری کرد. هدف این ادغام، اتصال مستقیم رابطهای صوتی مشتریان به سیستمهای اتوماسیون داخلی…
اوپنایآی رابط برنامهنویسی Decisions را برای طبقهبندی و امتیازدهی سریع معرفی کرد. این ابزار که توسط مدل gpt-6-luna پشتیبانی میشود، پاسخهای مبتنی بر احتمال را با سرعتی ۱۰…
شیائومی با معرفی MiMo-V2.5 و معماری MoE، هزینههای پردازش دادههای چندوجهی را بهشدت کاهش داده است. این مدل در دو نسخه استاندارد (چندوجهی) و Pro (متنمحور) عرضه شده تا…
پلتفرم Vantemio چارچوبی ماژولار برای حفظ بستر متنی واحد میان هوش مصنوعی ابری و ابزارهای محلی ویدیو ایجاد کرده است. این رویکرد با تثبیت استایل برند و تصمیمات خلاقانه، نیاز به تکرار…