Meta har just släppt Llama 3, deras nya toppmoderna AI-modell som de öppenkällkodar. Detta är en betydande utveckling inom AI-världen, eftersom Llama 3 har imponerande kapacitet och prestanda.

Utgivningen inkluderar två versioner av Llama 3 - en 8 miljarder parameter-modell och en 70 miljarder parameter-modell. Dessa modeller presterar på samma nivå som några av de bästa befintliga öppenkällkods-modellerna, som Claude 3 Opus och Gemini Pro 1.5.

Den verkliga spänningen kretsar dock kring den kommande 400 miljarder parameter-modellen av Llama 3. Denna större modell förväntas ha betydligt förbättrade funktioner, inklusive multimodalitet, förmågan att konversera på flera språk och större kontextfönster. Tidiga benchmarksresultat tyder på att denna modell kommer att konkurrera med GPT-4 och Claude 3 Opus.

För att använda Llama 3 kan du komma åt den via Hugging Face-plattformen eller den nya Meta AI-webbplatsen på meta.vn. Webbplatsen erbjuder en unik funktion - möjligheten att söka på webben och citera källor när man svarar på frågor, något som till och med den populära Claude-modellen inte kan göra direkt.

En annan utmärkande funktion på Meta AI-webbplatsen är verktyget för realtidsgenerering av bilder. Användare kan skriva in en uppmaning, och AI:n kommer att generera och uppdatera bilden i realtid medan du skriver. Detta inkluderar möjligheten att animera de genererade bilderna, en funktion som ännu inte har setts i andra AI-bildgenereringsverktyg som Dall-E eller Stable Diffusion.

Sammanfattningsvis är lanseringen av Llama 3 ett betydande steg framåt inom världen av öppenkällkods-AI-modeller. Med sin imponerande prestanda och unika funktioner kommer Llama 3 säkert att bli en banbrytande kraft inom AI-landskapet.

I slutet av förra veckan annonserade Nvidia lanseringen av GROCK 1.5 med vision-integration. Benchmarkresultaten visar att denna nya version ligger i nivå med andra modeller som också har visuella funktioner.

Några exempel som delats på Nvidias webbplats inkluderar:

• Skriva kod från en diagram: Nvidia tillhandahöll en whiteboard-diagram som sedan omvandlades till kod av GROCK 1.5.
• Andra exempel visar GROCK 1.5:s förmåga att generera bilder och integrera dem i svar.

Författaren kontrollerade sitt eget GROCK-konto, men funktionen för vision-integration har ännu inte rullats ut. När åtkomsten blir tillgänglig planerar de att göra djupare tester av GROCK 1.5:s funktioner.

Kunngörelsen av GROCK 1.5 med vision är en spännande utveckling, eftersom den visar Nvidias fortsatta ansträngningar att utöka funktionerna hos deras stora språkmodell. Förmågan att integrera vision och språkbearbetning öppnar upp nya möjligheter för AI-tillämpningar.

PoChat har nyligen lanserat en ny funktion som kallas "Multibot Chat" som låter användare sömlöst växla mellan olika språkmodeller inom en enda konversation. Denna funktion representerar ett betydande steg mot framtiden för hur vi interagerar med stora språkmodeller.

De viktigaste aspekterna av PoChats Multibot Chat-funktion är:

1. Modellval: Användare kan välja att kalla på specifika språkmodeller, som Claude 3 Opus, Gemini 1.5 Pro eller GPT-4, för att besvara olika delar av sin förfrågan. Detta gör att användarna kan dra nytta av varje modells unika styrkor.

2. Automatiskt modellval: PoChat kan också automatiskt välja den mest lämpliga modellen baserat på användarens fråga, för att säkerställa att de får det bästa möjliga svaret.

3. Sömlös konversation: Övergången mellan modellerna är sömlös, vilket gör att användarna kan upprätthålla ett naturligt samtalstempo utan avbrott.

Denna ansats representerar ett skifte bort från den nuvarande modellen att använda en enda språkmodell för alla uppgifter. Istället omfattar den idén att olika modeller kan vara bäst lämpade för olika typer av förfrågningar eller uppgifter. Genom att låta användarna välja den mest lämpliga modellen eller låta systemet göra det valet, ger PoChat en mer skräddarsydd och effektiv samtalsupplevelse.

När språkmodeller fortsätter att utvecklas och specialisera sig kan vi förvänta oss att se fler plattformar och applikationer anta ett liknande multi-modell-tillvägagångssätt. Detta kommer att möjliggöra för användare att dra nytta av de unika styrkorna hos olika modeller, vilket leder till mer korrekta, relevanta och användbara svar.

Furthermore, möjligheten att kalla på specifika modeller för vissa uppgifter, som kodning eller medicinsk analys, kan vara särskilt värdefull i professionella och företagsmässiga sammanhang. Användare kan snabbt komma åt den mest lämpliga modellen för sina behov, vilket förbättrar produktivitet och effektivitet.

Sammanfattningsvis är PoChats Multibot Chat-funktion en glimt in i framtiden för hur vi kommer att interagera med stora språkmodeller. Genom att omfamna en multi-modell-ansats kan användare njuta av en mer personlig och effektiv samtalsupplevelse, vilket banar väg för nästa generation av AI-drivna interaktioner.

AI-världen har varit het med stora tillkännagivanden och utvecklingar. En av de största nyheterna är den pågående kampen mellan Microsoft och Google för AI-överhöghet.

För några veckor sedan rapporterades det att Microsoft och OpenAI går samman för att bygga ett 100 miljarder dollar datacenter för att öka sin beräkningskapacitet och driva mot Artificiell Generell Intelligens (AGI). Nu har Google svarat, där chefen för DeepMind säger att Google också spenderar minst 100 miljarder dollar under de kommande åren för att bygga liknande infrastruktur.

Detta indikerar att båda teknikjättarna gör massiva investeringar för att vara först med att uppnå AGI - den heliga graal inom AI som skulle ha mänsklig intelligens- och resoneringsförmåga. Kapplöpningen är igång, medan Microsoft och OpenAI arbetar på sitt 100 miljarder dollar datacenter, matchar Google det med sin egen investering på över 100 miljarder dollar.

Denna kamp för AI-överhöghet visar hur kritiska dessa framsteg blir. Vilket företag som lyckas göra genombrottet till AGI först skulle kunna få en betydande konkurrensfördel. Skalan på investeringarna, där båda företagen pumpar in över 100 miljarder dollar, understryker hur höga insatserna är i detta AI-kapprustningslopp.

När dessa teknikjättar fortsätter att pumpa in resurser i sina AI-ansträngningar kommer det att vara fascinerande att se vilket företag som går segrande ur kampen om AGI. Konsekvenserna av att uppnå mänsklig AI skulle kunna vara djupgående, vilket gör detta till en otroligt viktig kamp att följa de kommande åren.

Även om vi ännu inte har tillgång till Stable Diffusion 3 i ett användarvänligt gränssnitt, kommer den troligen att rullas ut i många AI-bildappar snart. En app som förväntas integrera Stable Diffusion 3 är Leonardo AI.

Utöver Stable Diffusion 3 rapporteras det också att Leonardo AI kommer att lansera en ny stilöverförings-funktion i den närmaste framtiden, möjligen till och med när den här videon publiceras. Exemplet de visade var att ladda upp en bild som stilreferens, och sedan generera flera bilder med samma stil.

De resulterande bilderna hade en konsekvent konstnärlig stil, med exempel som visade en person som fallskärmshoppar, någon som bär en futuristisk cyberpunk-inspirerad outfit och andra scener som återgavs i den unika visuella stilen. Denna stilöverföringsförmåga förväntas bli ett kraftfullt tillskott till Leonardo AI:s svit av AI-drivna bildgenereringsverktyg.

Medan de specifika uppmaningarna som användes inte delades, är förmågan att överföra en konstnärlig stil över flera genererade bilder en spännande utveckling som kan öppna upp nya kreativa möjligheter för användare av plattformen. Eftersom AI-bildgenerering fortsätter att utvecklas, kommer funktioner som denna stilöverföring sannolikt att bli allt vanligare och värdefullare för konstnärer, designers och innehållsskapare.

Microsoft har nyligen släppt forskning som kallas VASA-1, vilket låter användare ladda upp en bild på ett porträtt och en ljudklipp, och sedan genererar en pratande video som kombinerar porträttet och ljudet. Detta skiljer sig från tidigare verktyg som Synthesia och Rephrase.ai, eftersom de genererade videorna visar en hög grad av känsla och naturlig rörelse i ansiktet, blinkningar, ögonbrynshöjningar och huvud-/kroppsrörelser.

Exemplen som Microsoft tillhandahåller visar teknologins förmåga att skapa mycket livliga pratande huvudvideor. Ett exempel visar en person som diskuterar att vända sitt liv, där ansiktsuttrycken och rörelserna verkar mycket naturliga och övertygande. Ett annat exempel visar en person som diskuterar att få in träning, återigen med mycket realistisk animation av det pratande huvudet.

Microsoft har sagt att de är försiktiga med att släppa denna teknik brett på grund av oro för potentiell missbruk för deepfakes. Därför är det oklart när denna funktion kommer att göras tillgänglig för allmänheten. Forskningen tyder dock på att andra företag kan utveckla liknande teknologier som kan släppas tidigare.

Denna typ av AI-genererad pratande huvudteknik skulle kunna vara användbar för innehållsskapare som behöver producera videor men kanske inte har möjlighet att filma intervjuer på plats. Den kan också ha tillämpningar inom områden som poddcastning, där den ljudbaserade formatet skulle kunna förbättras med en genererad pratande huvudvideo. Sammantaget representerar VASA-1 en imponerande utveckling inom AI-driven videogenerering.

Denna vecka har ny forskning som kallas "Instant Mesh" släppts under en Apache 2.0 öppen källkodslicens. Instant Mesh låter dig ladda upp en 2D-bild och få den transformerad till ett 3D-objekt som du sedan kan ladda ner.

För att prova det finns en Hugging Face-demo tillgänglig. Du kan helt enkelt dra och släppa en bild i inputen, och verktyget kommer att bearbeta den för att generera en 3D-version.

När jag till exempel laddade upp en bild av en robot, tog verktyget först bort bakgrunden. Det genererade sedan flera vyer och vinklar av 3D-tolkningen av roboten. Det resulterande 3D-objektet kan laddas ner som en OBJ- eller GLB-fil.

Medan 3D-modellen kanske inte är perfekt och redo för omedelbar användning i ett spel eller ett 3D-projekt, ger den en bra första version som du sedan kan förfina ytterligare i verktyg som Blender. Detta kan vara en användbar startpunkt för 3D-innehållsskapande, särskilt för de som kanske inte har starka 3D-modelleringskunskaper.

Sammanfattningsvis är Instant Mesh ett intressant nytt öppenkällkods-verktyg som gör det enklare att konvertera 2D-bilder till 3D-objekt. Det är en lovande utveckling inom AI-driven 3D-skapande.

Adobe gjorde några spännande tillkännagivanden på NAB-konferensen, där de visade upp sina senaste AI-drivna funktioner för Adobe Premiere. Dessa framsteg kommer att revolutionera videoredigeringslandskapet och ge innehållsskapare oöverträffade möjligheter.

En av de utmärkande funktionerna är möjligheten att generera och infoga innehåll direkt inom Premiere. Adobe demonstrerade integrationen av modeller som Pika, Runway och den högt efterlängtade Sora, vilket gör att användare kan generera videoklipp, förlänga footage och till och med ta bort eller modifiera objekt i en scen. Denna sömlösa integrering av AI-drivna verktyg direkt i redigeringsarbetsflödet är en banbrytande förändring som strömlinjeformar den kreativa processen och låser upp nya möjligheter för videoskapare.

En annan imponerande funktion är den AI-drivna färgkorrigeringen, som lovar att leverera konsekvent och professionell färgkorrigering över ett projekt. Denna automatisering av en traditionellt tidskrävande uppgift kommer att vara en välsignelse för redigerare som kanske inte är experter på färgkorrigering, vilket gör det möjligt för dem att uppnå polerade, visuellt enhetliga resultat med lätthet.

Dessutom kommer integrationen av AI-driven rörelseföljning att förenkla processen att spåra och stabilisera element inom en video. Denna funktion, i kombination med den befintliga "magiska masken"-funktionaliteten i DaVinci Resolve, kommer att ge redigerare kraftfulla verktyg för att förbättra produktionsvärdet i deras projekt.

Dessa AI-drivna framsteg i Adobe Premiere och DaVinci Resolve är ett tydligt tecken på den transformerande inverkan som artificiell intelligens har på videoredigeringsbranschen. Genom att sömlöst integrera dessa funktioner i de verktyg som innehållsskapare redan använder, ger Adobe och andra branschledare användare möjlighet att utmana gränserna för vad som är möjligt inom visuell berättarkonst.

När dessa teknologier fortsätter att utvecklas och bli mer tillgängliga kan vi förvänta oss att se en betydande förskjutning i sättet som videokontent skapas, redigeras och förfinas. Framtiden för videoredigering är otvivelaktigt AI-driven, och dessa senaste tillkännagivanden från Adobe och andra är bara början på en ny era inom visuell