«یک نقطه اتصال واحد»؛ استراتژی جدید IBM برای مدیریت جریانهای کاری
پروژه Granite Switch 4.1 شرکت IBM با ادغام قابلیتهای چت، تصمیمگیری تخصصی و تبدیل گفتار به متن در یک نقطه اتصال واحد، پیچیدگی معماری AI را کاهش داد. این رویکرد ماژولار اجازه…
موضوع
Models that natively process text+image+audio+video
۱٬۶۶۴ مقاله منتشر شده
پروژه Granite Switch 4.1 شرکت IBM با ادغام قابلیتهای چت، تصمیمگیری تخصصی و تبدیل گفتار به متن در یک نقطه اتصال واحد، پیچیدگی معماری AI را کاهش داد. این رویکرد ماژولار اجازه…
متا مدل چندوجهی و وزنباز Muse Spark Open را با هدف خودکارسازی پیچیدهٔ کدنویسی و جریانهای کاری توسعهدهندگان معرفی کرد. این مدل با ۸۱۶ میلیارد پارامتر و پنجره متنی یک میلیون…
شرکت Black Forest Labs مدل وزنباز FLUX 3 Image Klein را معرفی کرد که با وجود سختافزار مصرفی، از رقبای بستهای مثل Ideogram V4.5 پیشی میگیرد. این مدل قابلیت خروجی 4K و کنترل…
بهروزرسانی تاریخچه گفتگو بر اساس کلماتی که واقعاً پیش از قطع شدن توسط کاربر شنیده شدهاند، برای حفظ وضعیت (State) عاملهای صوتی حیاتی است. بدون این تطبیق، عاملها بر اساس…
پلتفرم Voxel51 نسخه ۳.۰ خود را برای مدیریت دادههای چندوجهی در رباتیک و هوش مصنوعی فیزیکی عرضه کرد. یافتههای جدید نشان میدهد تیمهای موفق نزدیک به ۶۰٪ از زمان پروژه خود را صرف…
اپل در ۲۸ اکتبر از نخستین مکبوکهای لمسی و آیپد مینی OLED پرده برمیدارد. این سختافزارهای جدید با تراشههای M5 و M6، گامی بلند برای ادغام تجربه کاربری تبلت و لپتاپ در عصر هوش…
انویدیا مدل باز و چندوجهی Nemotron 3.5 Super VL را برای استفاده در عاملهای سازمانی معرفی کرد. این مدل با استفاده از تنها یکپنجم پارامترهای مدلهای استدلالی پیشرو، همان سطح از…
شرکت Black Forest Labs مدل چندوجهی FLUX.3 Image Klein را معرفی کرد که امکان کنترل دقیق جایگاه اشیا را از طریق Bounding Box فراهم میکند. این مدل با ادغام قابلیتهای تبدیل متن به…
یک API جدید تبدیل متن به گفتار، تولید صدای طبیعی در ۹ زبان مختلف را تنها با یک درخواست ممکن کرده است. این ابزار با هدف حذف صدای رباتیک در ویدیوهای «بدون چهره» (Faceless Videos)…
پروژه Apertus نسخهی ۱.۵ مدلهای ۸ و ۷۰ میلیارد پارامتری خود را با قابلیت درک بومی تصویر و صوت و یک «حالت تفکر» تخصصی عرضه کرد. این بهروزرسانی پنجرهٔ زمینه را به ۲۶۲,۱۴۴ توکن…
سازمان FDA مجوز استفاده از ابزار TumorSight Risk را صادر کرد؛ نخستین سامانه هوش مصنوعی که با تحلیل تصاویر MRI و دادههای بالینی، احتمال بازگشت سرطان سینه را در بازههای ۵ و ۱۰…
یک چارچوب عاملمحور جدید با مجوز MIT، مدلهای زبانی را به طراحان هویت بصری تبدیل میکند. این سیستم با استفاده از کتابخانهای شامل ۱,۴۰۰ لوگو و ابزارهای حسابرسی SVG، خروجیهای…