Meta hat gerade Llama 3, ihr neues hochmodernes KI-Modell, das sie quelloffen veröffentlichen, herausgebracht. Dies ist eine bedeutende Entwicklung in der Welt der KI, da Llama 3 beeindruckende Fähigkeiten und Leistung aufweist.

Die Veröffentlichung umfasst zwei Versionen von Llama 3 - ein Modell mit 8 Milliarden Parametern und ein Modell mit 70 Milliarden Parametern. Diese Modelle sind auf einem Niveau mit einigen der besten bestehenden quelloffenen Modelle wie Claude 3 Opus und Gemini Pro 1.5.

Die eigentliche Aufregung dreht sich jedoch um das bevorstehende Llama 3-Modell mit 400 Milliarden Parametern. Dieses größere Modell wird voraussichtlich deutlich verbesserte Fähigkeiten haben, darunter Multimodalität, die Fähigkeit, in mehreren Sprachen zu kommunizieren, und größere Kontextfenster. Frühe Benchmark-Ergebnisse deuten darauf hin, dass dieses Modell mit GPT-4 und Claude 3 Opus konkurrieren wird.

Um Llama 3 zu nutzen, können Sie darauf über die Hugging Face-Plattform oder die neue Meta-KI-Website unter meta.vn zugreifen. Die Website bietet ein einzigartiges Feature - die Möglichkeit, im Web zu suchen und Quellen zu zitieren, wenn Fragen beantwortet werden, etwas, was selbst das beliebte Claude-Modell nicht nativ kann.

Ein weiteres herausragendes Merkmal der Meta-KI-Website ist das Echtzeit-Bildgenerierungstool. Benutzer können einen Prompt eingeben, und die KI wird das Bild in Echtzeit generieren und aktualisieren, während Sie tippen. Dies beinhaltet die Möglichkeit, die generierten Bilder zu animieren, eine Fähigkeit, die in anderen KI-Bildgenerierungstools wie Dall-E oder Stable Diffusion noch nicht zu sehen ist.

Insgesamt ist die Veröffentlichung von Llama 3 ein bedeutender Schritt nach vorne in der Welt der quelloffenen KI-Modelle. Mit seiner beeindruckenden Leistung und einzigartigen Funktionen wird Llama 3 sicher ein Gamechanger in der KI-Landschaft sein.

Ende letzter Woche kündigte Nvidia die Veröffentlichung von GROCK 1.5 mit Visionsintegration an. Die Benchmarks zeigen, dass diese neue Version auf einem Niveau mit anderen Modellen ist, die ebenfalls Visionsfähigkeiten haben.

Einige auf der Nvidia-Website geteilte Beispiele sind:

• Programmcode aus einem Diagramm schreiben: Nvidia stellte ein Whiteboard-Diagramm zur Verfügung, das dann von GROCK 1.5 in Code umgewandelt wurde.
• Andere Beispiele zeigen GROCKs 1.5 Fähigkeit, Bilder zu generieren und in Antworten einzubinden.

Der Autor hat seinen eigenen GROCK-Account überprüft, aber die Visionsintegrationsfunktion wurde noch nicht eingeführt. Sobald der Zugriff verfügbar ist, plant er, die Fähigkeiten von GROCK 1.5 eingehender zu testen.

Die Ankündigung von GROCK 1.5 mit Vision ist eine aufregende Entwicklung, da sie die kontinuierlichen Bemühungen von Nvidia zeigt, die Fähigkeiten ihres großen Sprachmodells zu erweitern. Die Möglichkeit, Vision und Sprachverarbeitung zu integrieren, eröffnet neue Möglichkeiten für KI-Anwendungen.

PoChat hat kürzlich eine neue Funktion namens "Multibot Chat" veröffentlicht, mit der Benutzer nahtlos zwischen verschiedenen Sprachmodellen innerhalb eines einzigen Gesprächs wechseln können. Diese Funktion stellt einen bedeutenden Schritt in Richtung der Zukunft dar, wie wir mit großen Sprachmodellen interagieren.

Die Schlüsselaspekte der Multibot Chat-Funktion von PoChat sind:

1. Modellauswahl: Benutzer können bestimmte Sprachmodelle wie Claude 3 Opus, Gemini 1.5 Pro oder GPT-4 aufrufen, um verschiedene Teile ihrer Abfrage zu beantworten. Dies ermöglicht es ihnen, die einzigartigen Stärken jedes Modells zu nutzen.

2. Automatische Modellauswahl: PoChat kann auch automatisch das am besten geeignete Modell basierend auf der Benutzerfrage auswählen, um die bestmögliche Antwort zu liefern.

3. Nahtloses Gespräch: Der Übergang zwischen den Modellen ist nahtlos, so dass Benutzer den natürlichen Gesprächsfluss ohne Unterbrechung aufrechterhalten können.

Dieser Ansatz stellt einen Wandel vom derzeitigen Modell der Verwendung eines einzigen Sprachmodells für alle Aufgaben dar. Stattdessen wird die Idee aufgegriffen, dass verschiedene Modelle bei unterschiedlichen Arten von Abfragen oder Aufgaben besser sein könnten. Indem Benutzer das am besten geeignete Modell auswählen oder das System diese Entscheidung treffen lässt, bietet PoChat eine maßgeschneidertere und effektivere Gesprächserfahrung.

Da sich Sprachmodelle weiterentwickeln und spezialisieren, können wir erwarten, dass mehr Plattformen und Anwendungen einen ähnlichen Mehrmodell-Ansatz übernehmen. Dies wird es Benutzern ermöglichen, die einzigartigen Stärken verschiedener Modelle zu nutzen, was zu genaueren, relevanten und hilfreichen Antworten führt.

Darüber hinaus könnte die Möglichkeit, bestimmte Modelle für bestimmte Aufgaben wie Programmierung oder medizinische Analysen aufzurufen, in professionellen und Unternehmensumgebungen besonders wertvoll sein. Benutzer können schnell auf das am besten geeignete Modell für ihre Bedürfnisse zugreifen, was die Produktivität und Effizienz verbessert.

Zusammengefasst ist die Multibot Chat-Funktion von PoChat ein Blick in die Zukunft, wie wir mit großen Sprachmodellen interagieren werden. Indem ein Mehrmodell-Ansatz angenommen wird, können Benutzer eine maßgeschneidertere und effektivere Gesprächserfahrung genießen und den Weg für die nächste Generation von KI-gesteuerten Interaktionen ebnen.

Die KI-Welt ist durch große Ankündigungen und Entwicklungen in Aufruhr geraten. Eine der größten Nachrichten ist der anhaltende Wettbewerb zwischen Microsoft und Google um die KI-Vorherrschaft.

Vor ein paar Wochen wurde berichtet, dass Microsoft und OpenAI zusammenarbeiten, um ein 100-Milliarden-Dollar-Rechenzentrum zu bauen, um ihre Rechenleistung zu erhöhen und in Richtung Künstliche Allgemeine Intelligenz (AGI) voranzukommen. Nun hat Google darauf reagiert, wobei der Leiter von DeepMind erklärt, dass Google in den nächsten Jahren ebenfalls mindestens 100 Milliarden Dollar in den Aufbau ähnlicher Infrastruktur investieren wird.

Dies deutet darauf hin, dass beide Technologieriesen massive Investitionen tätigen, um als Erste die AGI zu erreichen - den Heiligen Gral der KI, der menschenähnliche Intelligenz und Denkfähigkeiten haben würde. Das Rennen ist eröffnet, da Microsoft und OpenAI an ihrem 100-Milliarden-Dollar-Rechenzentrum arbeiten, während Google mit einer eigenen Investition von über 100 Milliarden Dollar mithalten. Dieser Wettbewerb um die KI-Vorherrschaft zeigt, wie entscheidend diese Fortschritte werden. Wer als Erstes den Durchbruch zur AGI schafft, könnte einen erheblichen Wettbewerbsvorsprung erlangen. Das schiere Ausmaß der Investitionen, bei denen beide Unternehmen über 100 Milliarden Dollar ausgeben, unterstreicht, wie hoch die Einsätze in diesem KI-Rüstungswettlauf sind.

Während diese Technologieriesen weiterhin Ressourcen in ihre KI-Bemühungen investieren, wird es faszinierend sein zu sehen, welches Unternehmen im Rennen um die AGI als Sieger hervorgeht. Die Auswirkungen der Erreichung einer menschenähnlichen KI könnten tiefgreifend sein, was diesen Kampf in den kommenden Jahren zu einem äußerst wichtigen Ereignis macht.

Obwohl wir noch keinen einfachen Benutzerzugriff auf Stable Diffusion 3 haben, wird es wahrscheinlich bald in viele KI-Bildanwendungen integriert werden. Eine App, von der erwartet wird, dass sie Stable Diffusion 3 integriert, ist Leonardo AI.

Neben Stable Diffusion 3 soll Leonardo AI in naher Zukunft, möglicherweise sogar bis zur Veröffentlichung dieses Videos, auch eine neue Stilübertragungsfunktion herausbringen. Das von ihnen bereitgestellte Beispiel zeigte das Hochladen eines Bildes als Stilreferenz und anschließend die Generierung mehrerer Bilder unter Verwendung desselben Stils.

Die resultierenden Bilder hatten einen konsistenten künstlerischen Stil, wobei Beispiele eine Person beim Fallschirmspringen, jemanden in einem futuristischen Cyberpunk-inspirierten Outfit und andere Szenen in diesem einzigartigen visuellen Stil zeigten. Diese Stilübertragungsfähigkeit wird voraussichtlich eine leistungsstarke Ergänzung zu Leonardos KI-gesteuerten Bildgenerierungstools sein.

Während die verwendeten spezifischen Prompts nicht mitgeteilt wurden, ist die Möglichkeit, einen künstlerischen Stil über mehrere generierte Bilder hinweg zu übertragen, eine aufregende Entwicklung, die neue kreative Möglichkeiten für Nutzer der Plattform eröffnen könnte. Da die KI-Bildgenerierung weiter voranschreitet, werden Funktionen wie diese Stilübertragung wahrscheinlich immer häufiger und wertvoller für Künstler, Designer und Inhaltserstellende.

Microsoft hat kürzlich eine Forschungsarbeit namens VASA-1 veröffentlicht, mit der Benutzer ein Kopfbild und einen Audioklip hochladen können, um dann ein Sprachvideo zu generieren, das das Kopfbild und den Ton kombiniert. Dies unterscheidet sich von früheren Tools wie Synthesia und Rephrase.ai, da die generierten Videos ein hohes Maß an Emotion und natürlicher Bewegung des Gesichts, Blinzeln, Augenbrauen-Bewegungen und Kopf-/Körperbewegungen aufweisen.

Die von Microsoft bereitgestellten Beispiele zeigen die Fähigkeit der Technologie, sehr realistische Sprachvideos zu erstellen. Ein Beispiel zeigt eine Person, die darüber spricht, ihr Leben umzukrempeln, wobei die Gesichtsausdrücke und Bewegungen sehr natürlich und überzeugend erscheinen. Ein weiteres Beispiel zeigt eine Person, die über das Einbauen von Bewegung in den Alltag spricht, erneut mit sehr realistischer Animation des sprechenden Kopfes.

Microsoft hat erklärt, dass sie diese Technologie aufgrund von Bedenken hinsichtlich möglichen Missbrauchs für Deepfakes nicht breit verfügbar machen wollen. Daher ist unklar, wann diese Fähigkeit der Allgemeinheit zugänglich gemacht wird. Die Forschung deutet jedoch darauf hin, dass andere Unternehmen ähnliche Technologien entwickeln könnten, die möglicherweise früher veröffentlicht werden.

Diese Art von KI-generierter Sprachvideos-Technologie könnte für Inhaltserstellende nützlich sein, die Videos produzieren müssen, aber möglicherweise keine Möglichkeit haben, persönliche Interviews zu filmen. Sie könnte auch in Bereichen wie Podcasting Anwendung finden, wo das reine Audioformat durch ein generiertes Sprachvideo erweitert werden könnte. Insgesamt stellt VASA-1 eine beeindruckende Weiterentwicklung in der KI-gesteuerten Videogenerierung dar.

Diese Woche wurde eine neue Forschungsarbeit namens "Instant Mesh" unter einer Apache 2.0 Open-Source-Lizenz veröffentlicht. Instant Mesh ermöglicht es Ihnen, ein 2D-Bild hochzuladen und es in ein 3D-Objekt umzuwandeln, das Sie dann herunterladen können.

Um es auszuprobieren, gibt es eine Hugging Face-Demo. Sie können einfach ein Bild in die Eingabe ziehen, und das Tool wird es verarbeiten, um eine 3D-Version zu generieren.

Wenn ich zum Beispiel ein Bild eines Roboters hochgeladen habe, hat das Tool zunächst den Hintergrund entfernt. Dann wurden mehrere Ansichten und Winkel der 3D-Interpretation des Roboters generiert. Das resultierende 3D-Objekt kann als OBJ- oder GLB-Datei heruntergeladen werden.

Obwohl das 3D-Modell möglicherweise nicht perfekt und sofort für den Einsatz in einem Spiel oder 3D-Projekt bereit ist, bietet es einen nützlichen Rohbau, den Sie dann in Tools wie Blender weiter verfeinern können. Dies kann ein hilfreicher Ausgangspunkt für die 3D-Inhaltserstellung sein, insbesondere für diejenigen, die nicht über starke 3D-Modellierungsfähigkeiten verfügen.

Insgesamt ist Instant Mesh ein interessantes neues Open-Source-Tool, das es einfacher macht, 2D-Bilder in 3D-Objekte umzuwandeln. Es ist eine vielversprechende Entwicklung in der Welt der KI-gesteuerten 3D-Erstellung.

Adobe hat auf der NAB-Konferenz einige aufregende Ankündigungen gemacht und seine neuesten KI-gesteuerten Funktionen für Adobe Premiere vorgestellt. Diese Fortsc