AI日报 | 分类 | 小林的博客-AI学长

8月6日的AI资讯包括智谱AI开源的视频生成模型Sora，支持在单张4090显卡上生成720p视频；MiniCPM-V 2.6发布，具备强大的多图理解能力；阿里国际推出专业版AI Search，旨在优化全球采购流程；AI芯片独角兽Groq融资6.4亿美元，估值达28亿美元，并聘请Yann LeCun担任技术顾问。

华为诺亚实验室提出了一种可将模型压缩70倍的技术，降低存储开销。英伟达因产能不足推迟B200芯片的发布，并推出阉割版B200A。OpenAI正在开发一款99.9%准确率的反作弊工具以识别ChatGPT生成的内容，但尚未上线。Meta计划在2025年发布Llama 4，训练将使用24万块GPU，成本高昂但扎克伯格仍坚持投资AI。

8月4日的AI资讯包括：GitHub推出新功能「GitHub Models」，允许开发者直接访问顶级大模型以构建AI应用；马斯克宣布特斯拉自研超算Dojo，预计达到100 exaflops计算能力；Perceptive公司开发的AI机器人成功执行世界首例牙科手术，速度是人类医生的8倍；研究者提出JRT提示策略以提升循环语言模型性能；阿里发布「轨迹可控版Sora」视频生成模型，生成高质量符合物理规律的视频。

8月6日，Figure.AI将发布新款人形机器人Figure 02，集成OpenAI的多模态大模型，预计在灵巧度上有显著提升。Character.AI与谷歌达成协议，谷歌获得其语言模型技术的非独家许可，同时重新雇佣创始人。研究显示，GPT-4o在PDF长文档阅读理解上的表现仅为44.9%，表明当前视觉语言大模型在长文档解析上仍需改进。

苹果和Meta AI提出了LazyLLM方法，提升Llama 2推理速度，同时保持准确度。谷歌发布Gemini 1.5 Pro，表现优于GPT-4o，但在某些领域仍有待提升。Stability AI的Robin Rombach创办新公司Black Forest Labs，推出FLUX.1模型系列，并计划发布开源的文生视频模型。

文章介绍了几项重要的AI发展：国产开源搜索引擎MindSearch在信息整合上优于其他AI搜索引擎；斯坦福大学推出的alphaXiv讨论平台允许用户在arXiv论文上进行互动；谷歌开源的Gemma 2 2B模型在性能上超越GPT-3.5-Turbo；周鸿祎ISC发布的免费安全大模型安全能力超过GPT-4。这些进展推动了AI技术的创新和学术交流。

Mentee Robotics展示了其人形机器人MenteeBot的购物陪伴能力，计划在2025年推出原型。GPT-4o语音模式已上线，支持自然对话，预计秋季向所有用户开放。英伟达在SIGGRAPH 2024介绍了可用苹果Vision Pro远程操控人形机器人的新功能。Midjourney v6.1发布后反响热烈，图像生成质量显著提高，接近摄影水平。

Meta发布了Segment Anything Model 2（SAM 2），用于实时图像和视频对象分割，并开源了相关数据库。生成式AI技术在社交媒体推荐系统中的应用前景被探讨，Meta和英伟达的创始人讨论了未来的发展趋势。生数科技的Vidu视频生成产品以30秒生成4秒视频的速度全球上线，成为业界最快。苹果的自研基础模型（AFM）在多项任务上表现超过GPT-4，具备强大的对话功能和应用。