موضوع
Models that natively process text+image+audio+video
۱٬۴۲۶ مقاله منتشر شده
یک توسعه‌دهنده با طراحی خط لولۀ تولید خودکار با Node.js و Python، فرآیند نشر کتاب «The AI Cookbook» را از حالت دستی به مهندسی تبدیل کرد. این سیستم با خودکارسازی پردازش تصاویر و…
شرکت Moonshot AI مدل Kimi K3 را به‌عنوان بزرگ‌ترین مدل با وزن‌های باز معرفی کرد. این مدل با حذف کامل رمزگذاری موقعیت و استفاده از معماری NoPE، استانداردهای مقیاس‌پذیری برای…
آمازون با تغییر استراتژی، توسعه اکثر مدل‌های خانواده Nova را متوقف کرد تا منابع خود را به تیم پژوهش‌های پیشرو (Frontier Model Research) منتقل کند. هدف این شرکت معرفی یک مدل بنیادی…
مؤسسه AI2 با معرفی پلتفرم OlmoEarth، گلوگاه‌های پردازشی داده‌های ماهواره‌ای را حذف کرد. این سامانه اکنون می‌تواند ده‌ها ترابایت تصویر ماهواره‌ای را با هزینه‌ای بسیار اندک و سرعتی…
یک گردش‌کار جدید در تصویرسازی علمی، مدل‌های هوش مصنوعی را از تولید مستقیم تصویر به مدل «ابتدا مشخصات» منتقل کرده است. این سیستم با اجبار مدل به تعریف توپولوژی و شواهد پیش از…
استارت‌آپ Fish Audio برای خروج از عصر صداهای رباتیک، ۵۰ میلیون دلار سرمایه جذب کرد. این شرکت با ارائه بیش از ۱۵ هزار کنترل دقیق روی لحن و احساس، امکان تولید صداهای انسانی و قابل…
آنتروپیک مدل Claude Opus 5 را با ادعای برابری عملکرد با رقبی مانند Fable 5 و کاهش ۵۰ درصدی هزینه‌ها عرضه کرد. این رونمایی در بحبوحه تنش‌های صنعت بر سر وزن‌های باز و ادغام…
شرکت Sandbar با معرفی حلقهٔ هوشمند Stream، امکان ثبت یادداشت‌ها و دیکتهٔ متنی را از طریق یک تاچ‌پد کوچک روی انگشت فراهم کرده است. این سخت‌افزار برخلاف ضبط‌کننده‌های محیطی، بر…
پیشرفت‌های سریع در مدل‌های انتشار صوتی و آواتارهای چهره، مفهوم «اثبات حضور» بیومتریک را از بین برده است. توسعه‌دهندگان باید از این پس با سیگنال‌های بیومتریک، نه به‌عنوان هویت،…
سازمان‌ها از چت‌بات‌های ساده به سمت گردش‌کارهای عامل‌محور حرکت کرده‌اند که با داده‌های داخلی و نرم‌افزارهای موجود یکپارچه می‌شوند. تمرکز فعلی بر سیستم‌های عملیاتی با نتایج قابل…
در حالی که ابزارهای جامع هوش مصنوعی breadth یا وسعت عملکردی دارند، PixAI با تمرکز بر پایداری شخصیت‌های انیمه، مشکل «تغییر هویت» را حل کرده است. این پلتفرم با ادغام لوراها و…
مدل Kimi K3 محصول Moonshot AI اولین مدل با وزن‌های باز در کلاس ۳ تریلیون پارامتر است که اکنون از طریق API شرکت Telnyx در دسترس است. این مدل با پنجره متنی ۱ میلیون توکنی، رقیبی جدی…