Meta acaba de lanzar Llama 3, su nuevo modelo de IA de vanguardia que están poniendo a disposición del público. Este es un desarrollo significativo en el mundo de la IA, ya que Llama 3 cuenta con impresionantes capacidades y rendimiento.

El lanzamiento incluye dos versiones de Llama 3: un modelo de 8 mil millones de parámetros y un modelo de 70 mil millones de parámetros. Estos modelos tienen un rendimiento comparable a algunos de los mejores modelos de código abierto existentes, como Claude 3 Opus y Gemini Pro 1.5.

Sin embargo, la verdadera emoción rodea al próximo modelo Llama 3 de 400 mil millones de parámetros. Se espera que este modelo más grande tenga capacidades significativamente mejoradas, incluyendo multimodalidad, la capacidad de conversar en varios idiomas y ventanas de contexto más amplias. Los primeros puntajes de referencia sugieren que este modelo competirá con modelos como GPT-4 y Claude 3 Opus.

Para usar Llama 3, puedes acceder a él a través de la plataforma Hugging Face o el nuevo sitio web de Meta AI en meta.vn. El sitio web ofrece una característica única: la capacidad de buscar en la web y citar fuentes al responder preguntas, algo que ni siquiera el popular modelo Claude puede hacer de forma nativa.

Otra característica destacada del sitio web de Meta AI es la herramienta de generación de imágenes en tiempo real. Los usuarios pueden escribir un mensaje y el AI generará y actualizará la imagen en tiempo real a medida que escriben. Esto incluye la capacidad de animar las imágenes generadas, una capacidad que aún no se ha visto en otras herramientas de generación de imágenes por IA como Dall-E o Stable Diffusion.

En general, el lanzamiento de Llama 3 es un paso importante en el mundo de los modelos de IA de código abierto. Con su impresionante rendimiento y características únicas, Llama 3 seguramente será un cambio de juego en el panorama de la IA.

A finales de la semana pasada, Nvidia anunció el lanzamiento de GROCK 1.5 con integración de visión. Los puntos de referencia muestran que esta nueva versión está a la par con otros modelos que también tienen capacidades de visión.

Algunos ejemplos compartidos en el sitio web de Nvidia incluyen:

• Escribir código a partir de un diagrama: Nvidia proporcionó un diagrama de pizarra que luego fue convertido en código por GROCK 1.5.
• Otros ejemplos demuestran la capacidad de GROCK 1.5 para generar imágenes e incorporarlas a las respuestas.

El autor revisó su propia cuenta de GROCK, pero la función de integración de visión aún no se ha implementado. Una vez que esté disponible el acceso, planean realizar pruebas más profundas sobre las capacidades de GROCK 1.5.

El anuncio de GROCK 1.5 con visión es un desarrollo emocionante, ya que muestra los esfuerzos continuos de Nvidia por expandir las capacidades de su modelo de lenguaje a gran escala. La capacidad de integrar el procesamiento de visión y lenguaje abre nuevas posibilidades para las aplicaciones de IA.

PoChat recientemente lanzó una nueva función llamada "Multibot Chat" que permite a los usuarios cambiar sin problemas entre diferentes modelos de lenguaje dentro de una sola conversación. Esta función representa un paso significativo hacia el futuro de cómo interactuamos con los modelos de lenguaje a gran escala.

Los aspectos clave de la función Multibot Chat de PoChat son:

1. Selección de modelo: Los usuarios pueden elegir invocar modelos de lenguaje específicos, como Claude 3 Opus, Gemini 1.5 Pro o GPT-4, para responder a diferentes partes de su consulta. Esto les permite aprovechar las fortalezas únicas de cada modelo.

2. Selección automática de modelo: PoChat también puede seleccionar automáticamente el modelo más apropiado en función de la pregunta del usuario, asegurando que reciban la mejor respuesta posible.

3. Conversación fluida: La transición entre modelos es fluida, lo que permite a los usuarios mantener un flujo natural de conversación sin interrupciones.

Este enfoque representa un cambio con respecto al modelo actual de usar un solo modelo de lenguaje para todas las tareas. En su lugar, abraza la idea de que diferentes modelos pueden destacar en diferentes tipos de consultas o tareas. Al permitir que los usuarios elijan el modelo más adecuado o que el sistema tome esa decisión, PoChat está brindando una experiencia conversacional más personalizada y efectiva.

A medida que los modelos de lenguaje continúen evolucionando y especializándose, podemos esperar ver más plataformas y aplicaciones que adopten un enfoque similar de múltiples modelos. Esto permitirá a los usuarios aprovechar las fortalezas únicas de varios modelos, lo que conducirá a respuestas más precisas, relevantes y útiles.

Además, la capacidad de invocar modelos específicos para ciertas tareas, como programación o análisis médico, podría ser particularmente valiosa en entornos profesionales y empresariales. Los usuarios podrán acceder rápidamente al modelo más apropiado para sus necesidades, mejorando la productividad y la eficiencia.

En conclusión, la función Multibot Chat de PoChat es un vistazo al futuro de cómo interactuaremos con los modelos de lenguaje a gran escala. Al adoptar un enfoque de múltiples modelos, los usuarios pueden disfrutar de una experiencia conversacional más personalizada y efectiva, allanando el camino para la próxima generación de interacciones impulsadas por IA.

El mundo de la IA se ha estado calentando con importantes anuncios y desarrollos. Una de las noticias más importantes es la batalla en curso entre Microsoft y Google por la supremacía de la IA.

Hace unas semanas, se informó que Microsoft y OpenAI se están asociando para construir un centro de datos de $100 mil millones para aumentar su capacidad de cómputo y avanzar hacia la Inteligencia General Artificial (AGI). Ahora, Google ha respondido, con el director de DeepMind afirmando que Google también está gastando al menos $100 mil millones en los próximos años para construir una infraestructura similar.

Esto indica que ambos gigantes tecnológicos están haciendo inversiones masivas para ser los primeros en lograr la AGI, el santo grial de la IA que tendría inteligencia y capacidades de razonamiento a nivel humano. La carrera está en marcha, mientras Microsoft y OpenAI trabajan en su centro de datos de $100 mil millones, Google está igualando esa inversión con más de $100 mil millones.

Esta batalla por la supremacía de la IA muestra cuán críticos se están volviendo estos avances. La empresa que logre el avance hacia la AGI primero podría obtener una ventaja competitiva significativa. La escala de las inversiones, con ambas empresas invirtiendo más de $100 mil millones, subraya lo altos que están los intereses en esta carrera armamentista de la IA.

A medida que estos gigantes tecnológicos continúen volcando recursos en sus esfuerzos de IA, será fascinante ver cuál empresa emerge victoriosa en la carrera hacia la AGI. Las implicaciones de lograr una IA a nivel humano podrían ser profundas, lo que convierte a esta en una batalla increíblemente importante de observar en los próximos años.

Aunque aún no tenemos acceso a Stable Diffusion 3 en una interfaz de usuario fácil, es probable que se implemente en muchas aplicaciones de imágenes de IA pronto. Una aplicación que se espera que integre Stable Diffusion 3 es Leonardo AI.

Además de Stable Diffusion 3, se informa que Leonardo AI también lanzará una nueva función de transferencia de estilo en un futuro cercano, posiblemente incluso para cuando se publique este video. El ejemplo que proporcionaron mostraba cargar una imagen como referencia de estilo y luego generar varias imágenes utilizando ese mismo estilo.

Las imágenes resultantes tenían un estilo artístico consistente, con ejemplos que mostraban a una persona saltando en paracaídas, alguien con un atuendo ciberpunk futurista y otras escenas representadas en ese estilo visual único. Se espera que esta capacidad de transferencia de estilo sea una adición poderosa al conjunto de herramientas de generación de imágenes impulsadas por IA de Leonardo AI.

Si bien no se compartieron los mensajes específicos utilizados, la capacidad de transferir un estilo artístico a través de múltiples imágenes generadas es un desarrollo emocionante que podría abrir nuevas posibilidades creativas para los usuarios de la plataforma. A medida que la generación de imágenes por IA continúa evolucionando, características como esta funcionalidad de transferencia de estilo es probable que se vuelvan cada vez más comunes y valiosas para artistas, diseñadores y creadores de contenido.

Microsoft recientemente publicó una investigación llamada VASA-1, que permite a los usuarios cargar una imagen de un primer plano y un clip de audio, y luego genera un video hablado combinando el primer plano y el audio. Esto es diferente de herramientas anteriores como Synthesia y Rephrase.ai, ya que los videos generados muestran un alto nivel de emoción y movimiento natural del rostro, parpadeo, movimiento de cejas y movimientos de cabeza/cuerpo.

Los ejemplos proporcionados por Microsoft demuestran la capacidad de la tecnología para crear videos de cabeza parlante muy realistas. Un ejemplo muestra a una persona hablando sobre dar un giro a su vida, con las expresiones faciales y los movimientos que parecen muy naturales y convincentes. Otro ejemplo presenta a una persona hablando sobre encajar el ejercicio, nuevamente con una animación muy realista de la cabeza parlante.

Microsoft ha declarado que son cautelosos con el lanzamiento amplio de esta tecnología debido a las preocupaciones sobre el posible uso indebido para crear deepfakes. Como resultado, no está claro cuándo se pondrá a disposición del público en general esta capacidad. Sin embargo, la investigación indica que otras empresas podrían desarrollar tecnologías similares que podrían lanzarse antes.

Este tipo de tecnología de cabeza parlante generada por IA podría ser útil para los creadores de contenido que necesitan producir videos pero que tal vez no tengan la capacidad de filmar entrevistas en persona. También puede tener aplicaciones en áreas como los podcasts, donde el formato de audio solo podría mejorarse con un video de cabeza parlante generado. En general, VASA-1 representa un avance impresionante en la generación de videos impulsada por IA.

Esta semana, se publicó una nueva investigación llamada "Instant Mesh" bajo una licencia de código abierto Apache 2.0. Instant Mesh te permite cargar una imagen 2D y transformarla en un objeto 3D que luego puedes descargar.

Para probarlo, hay una demostración disponible en Hugging Face. Simplemente puedes arrastrar y soltar una imagen en la entrada, y la herramienta la procesará para generar una versión 3D.

Por ejemplo, cuando cargué una imagen de un robot, la herramienta primero eliminó el fondo. Luego generó múltiples vistas y ángulos de la interpretación 3D del robot. El objeto 3D resultante se puede descargar como un archivo OBJ o GLB.

Si bien el modelo 3D puede no ser perfecto y listo para su uso inmediato en un juego o proyecto 3D, proporciona un borrador útil que luego se puede refinar más en herramientas como Blender. Esto puede ser un punto de partida útil para la creación de contenido 3D, especialmente para aquellos que no tengan habilidades sólidas de modelado 3D.

En general, Instant Mesh es una nueva herramienta de código abierto interesante que facilita la conversión de imágenes 2D en objetos 3D. Es un desarrollo prometedor en el mundo de la creación de 3D impulsada por IA.

Adobe hizo algunos anuncios emocionantes en la conferencia NAB, mostrando sus últimas funciones impulsadas por IA para Adobe Premiere. Estos avances están listos para revolucionar el panorama de la edición de video, empoderando a los creadores de contenido con capacidades sin precedentes.

Una de las características destacadas es la capacidad de generar e insertar contenido directamente dentro de Premiere. Adobe demostró la integración de modelos como Pika, Runway y el muy anticipado Sora, lo que permite a los usuarios generar clips de video, extender metraje e incluso eliminar u modificar objetos en una escena. Esta integración fluida de herramientas impulsadas por IA directamente en el flujo de trabajo de edición es un cambio de juego, simplificando el proceso creativo y desbloqueando nuevas posibilidades para los creadores de video.

Otra característica impresionante es el color grading impulsado por IA, que promete entregar una corrección de color consistente y de nivel profesional en todo un proyecto. Esta automatización de una tarea tradicionalmente consumidora de tiempo será un gran beneficio para los editores que no sean expertos en color grading, permitiéndoles lograr resultados pulidos y visualmente coherentes con facilidad.

Además, la integración del seguimiento de movimiento impulsado por IA está lista para simplificar el proceso de seguimiento y estabilización de elementos dentro de un video. Esta función, combinada con la funcionalidad existente de "máscara mágica" en DaVinci Resolve, proporcionará a los editores herramientas poderosas para mejorar el valor de producción de sus proyectos.

Estos avances impulsados por IA en Adobe Premiere y DaVinci Resolve son una clara indicación del impacto transformador que la inteligencia artificial está teniendo en la industria de la edición de video. Al integrar sin problemas estas capacidades en las herramientas que los creadores de contenido ya utilizan, Adobe y otros líderes del sector están empoderando a los usuarios para que puedan ir más allá de lo que es posible en la producción de video.

A medida que estas tecnologías continúen evolucionando y se vuelvan más accesibles, podemos esperar ver un cambio significativo en la forma en que se crea, edita y perfecciona el contenido de video. El futuro de la edición de video es sin duda impulsado por IA, y estos últimos anuncios de Adobe y otros son solo el comienzo de una nueva era en el mundo de la narración visual.

La última versión de DaVinci Resolve, la versión 19, introduce dos nuevas funciones impulsadas por IA:

1. Color Grading impulsado por IA: Esta función usa IA para realizar automáticamente el color grading de tu metraje, ayudándote a lograr un aspecto consistente en todo tu video. Como alguien que no suele hacer color grading de sus videos, esta función podría ser un cambio de juego, permitiénd