Meta vừa mới phát hành Llama 3, mô hình AI tiên tiến nhất của họ và họ đang mở mã nguồn. Đây là một bước phát triển đáng kể trong thế giới AI, vì Llama 3 có những khả năng và hiệu suất ấn tượng.

Bản phát hành bao gồm hai phiên bản của Llama 3 - một mô hình 8 tỷ tham số và một mô hình 70 tỷ tham số. Những mô hình này có hiệu suất tương đương với một số mô hình nguồn mở tốt nhất hiện có, như Claude 3 Opus và Gemini Pro 1.5.

Tuy nhiên, sự phấn khích thực sự xoay quanh mô hình Llama 3 400 tỷ tham số sắp tới. Mô hình lớn hơn này được dự kiến sẽ có những khả năng cải thiện đáng kể, bao gồm đa phương thức, khả năng giao tiếp bằng nhiều ngôn ngữ và cửa sổ ngữ cảnh lớn hơn. Điểm số chuẩn đầu tiên cho thấy mô hình này sẽ cạnh tranh với GPT-4 và Claude 3 Opus.

Để sử dụng Llama 3, bạn có thể truy cập thông qua nền tảng Hugging Face hoặc trang web AI mới của Meta tại meta.vn. Trang web cung cấp một tính năng độc đáo - khả năng tìm kiếm trên web và trích dẫn nguồn khi trả lời câu hỏi, điều mà thậm chí mô hình Claude phổ biến cũng không thể làm được một cách tự nhiên.

Một tính năng nổi bật khác của trang web AI của Meta là công cụ tạo ảnh theo thời gian thực. Người dùng có thể nhập một lời nhắc, và AI sẽ tạo và cập nhật hình ảnh theo thời gian thực khi bạn gõ. Điều này bao gồm khả năng hoạt hình các hình ảnh được tạo ra, một khả năng chưa từng được thấy trong các công cụ tạo ảnh AI khác như Dall-E hoặc Stable Diffusion.

Nói chung, việc phát hành Llama 3 là một bước tiến đáng kể trong thế giới các mô hình AI nguồn mở. Với hiệu suất ấn tượng và các tính năng độc đáo của mình, Llama 3 chắc chắn sẽ là một bước đột phá trong cảnh quan AI.

Vào cuối tuần trước, Nvidia đã công bố việc phát hành GROCK 1.5 với tích hợp thị giác. Các điểm chuẩn cho thấy phiên bản mới này tương đương với các mô hình khác cũng có khả năng thị giác.

Một số ví dụ được chia sẻ trên trang web của Nvidia bao gồm:

• Viết mã từ một sơ đồ: Nvidia đã cung cấp một sơ đồ bảng trắng sau đó được chuyển đổi thành mã bởi GROCK 1.5.
• Các ví dụ khác minh họa khả năng của GROCK 1.5 trong việc tạo ra hình ảnh và kết hợp chúng vào các phản hồi.

Tác giả đã kiểm tra tài khoản GROCK của mình, nhưng tính năng tích hợp thị giác vẫn chưa được triển khai. Một khi có sẵn, họ sẽ tiến hành kiểm tra sâu hơn về khả năng của GROCK 1.5.

Thông báo về GROCK 1.5 với tích hợp thị giác là một diễn biến đáng chú ý, vì nó cho thấy nỗ lực liên tục của Nvidia để mở rộng khả năng của mô hình ngôn ngữ lớn của họ. Khả năng tích hợp xử lý thị giác và ngôn ngữ mở ra những khả năng mới cho các ứng dụng AI.

PoChat vừa mới phát hành một tính năng mới gọi là "Multibot Chat" cho phép người dùng chuyển đổi liền mạch giữa các mô hình ngôn ngữ khác nhau trong một cuộc trò chuyện. Tính năng này đại diện cho một bước tiến đáng kể hướng tới tương lai của cách chúng ta tương tác với các mô hình ngôn ngữ lớn.

Các khía cạnh chính của tính năng Multibot Chat của PoChat là:

1. Lựa chọn mô hình: Người dùng có thể chọn gọi các mô hình ngôn ngữ cụ thể, chẳng hạn như Claude 3 Opus, Gemini 1.5 Pro hoặc GPT-4, để trả lời các phần khác nhau của truy vấn của họ. Điều này cho phép người dùng tận dụng những điểm mạnh độc đáo của từng mô hình.

2. Lựa chọn mô hình tự động: PoChat cũng có thể tự động chọn mô hình phù hợp nhất dựa trên câu hỏi của người dùng, đảm bảo họ nhận được phản hồi tốt nhất có thể.

3. Cuộc trò chuyện liền mạch: Quá trình chuyển đổi giữa các mô hình diễn ra liền mạch, cho phép người dùng duy trì một dòng chảy tự nhiên của cuộc trò chuyện mà không bị gián đoạn.

Phương pháp này đại diện cho một sự chuyển dịch khỏi mô hình hiện tại sử dụng một mô hình ngôn ngữ duy nhất cho tất cả các tác vụ. Thay vào đó, nó ôm ấp ý tưởng rằng các mô hình khác nhau có thể xuất sắc hơn trong các loại truy vấn hoặc tác vụ khác nhau. Bằng cách cho phép người dùng chọn mô hình phù hợp nhất hoặc để hệ thống đưa ra quyết định đó, PoChat đang cung cấp một trải nghiệm trò chuyện được cá nhân hóa và hiệu quả hơn.

Khi các mô hình ngôn ngữ tiếp tục phát triển và chuyên môn hóa, chúng ta có thể mong đợi thấy nhiều nền tảng và ứng dụng áp dụng một cách tiếp cận đa mô hình tương tự. Điều này sẽ cho phép người dùng tận dụng những điểm mạnh độc đáo của các mô hình khác nhau, dẫn đến các phản hồi chính xác, liên quan và hữu ích hơn.

Hơn nữa, khả năng gọi các mô hình cụ thể cho một số tác vụ, chẳng hạn như lập trình hoặc phân tích y tế, có thể đặc biệt có giá trị trong các cài đặt chuyên nghiệp và doanh nghiệp. Người dùng có thể nhanh chóng truy cập mô hình phù hợp nhất với nhu cầu của họ, cải thiện năng suất và hiệu quả.

Kết luận, tính năng Multibot Chat của PoChat là một glimpse vào tương lai của cách chúng ta sẽ tương tác với các mô hình ngôn ngữ lớn. Bằng cách ôm ấp một cách tiếp cận đa mô hình, người dùng có thể tận hưởng một trải nghiệm trò chuyện được cá nhân hóa và hiệu quả hơn, mở đường cho thế hệ tiếp theo của các tương tác được điều khiển bởi AI.

Thế giới AI đang nóng lên với các thông báo và phát triển lớn. Một trong những tin tức lớn nhất là cuộc chiến đang diễn ra giữa Microsoft và Google để giành ưu thế về AI.

Vài tuần trước, đã được báo cáo rằng Microsoft và OpenAI đang hợp tác để xây dựng một trung tâm dữ liệu trị giá 100 tỷ đô la để tăng cường khả năng tính toán của họ và tiến tới Trí tuệ Nhân tạo Tổng quát (AGI). Bây giờ, Google đã phản ứng, với người đứng đầu DeepMind tuyên bố rằng Google cũng đang chi ít nhất 100 tỷ đô la trong vài năm tới để xây dựng cơ sở hạ tầng tương tự.

Điều này cho thấy cả hai ông lớn công nghệ đều đang đầu tư khổng lồ để trở thành người đầu tiên đạt được AGI - thánh địa của AI sẽ có trí thông minh và khả năng lập luận ở cấp độ con người. Cuộc đua đang diễn ra, khi Microsoft và OpenAI làm việc trên trung tâm dữ liệu 100 tỷ đô la của họ, trong khi Google đang khớp với khoản đầu tư hơn 100 tỷ đô la của riêng mình.

Cuộc chiến này vì sự thống trị AI cho thấy những tiến bộ này đang trở nên quan trọng như thế nào. Công ty nào có thể đột phá đến AGI đầu tiên có thể giành được lợi thế cạnh tranh đáng kể. Quy mô đầu tư khổng lồ, với cả hai công ty đổ vào hơn 100 tỷ đô la, cho thấy mức độ quan trọng cao của cuộc đua vũ trang AI này.

Khi những ông lớn công nghệ này tiếp tục đổ nguồn lực vào nỗ lực AI của họ, sẽ rất thú vị để xem công ty nào sẽ chiến thắng trong cuộc đua đến AGI. Những hàm ý của việc đạt được trí tuệ nhân tạo ở cấp độ con người có thể sâu sắc, khiến đây là một trận chiến vô cùng quan trọng để theo dõi trong những năm tới.

Mặc dù chúng ta chưa có quyền truy cập vào Stable Diffusion 3 trong một giao diện người dùng dễ sử dụng, nó sẽ có khả năng được triển khai vào nhiều ứng dụng hình ảnh AI sớm. Một ứng dụng dự kiến sẽ tích hợp Stable Diffusion 3 là Leonardo AI.

Ngoài Stable Diffusion 3, Leonardo AI cũng được cho là sẽ phát hành một tính năng chuyển đổi phong cách mới trong tương lai gần, có thể ngay cả khi video này được công bố. Ví dụ mà họ cung cấp cho thấy việc tải lên một hình ảnh làm tham chiếu phong cách, sau đó tạo ra nhiều hình ảnh sử dụng cùng một phong cách đó.

Các hình ảnh kết quả có một phong cách nghệ thuật nhất quán, với các ví dụ thể hiện một người nhảy dù, một người mặc trang phục cyberpunk tương lai và các cảnh khác được thể hiện trong phong cách hình ảnh độc đáo đó. Khả năng chuyển đổi phong cách này được kỳ vọng sẽ là một bổ sung mạnh mẽ cho bộ công cụ tạo hình ảnh được điều khiển bởi AI của Leonardo AI.

Mặc dù các lời nhắc cụ thể được sử dụng không được chia sẻ, khả năng chuyển đổi phong cách nghệ thuật qua nhiều hình ảnh được tạo ra là một diễn biến đáng chú ý có thể mở ra những khả năng sáng tạo mới cho người dùng của nền tảng. Khi tạo hình ảnh AI tiếp tục phát triển, các tính năng như chức năng chuyển đổi phong cách này có khả năng trở nên ngày càng phổ biến và có giá trị đối với các nghệ sĩ, nhà thiết kế và nhà sáng tạo nội dung.

Microsoft vừa mới phát hành nghiên cứu có tên VASA-1, cho phép người dùng tải lên một hình ảnh chân dung và một đoạn âm thanh, sau đó tạo ra một video nói chuyện kết hợp hình ảnh chân dung và âm thanh. Điều này khác với các công cụ trước đây như Synthesia và Rephrase.ai, vì các video được tạo ra hiển thị mức độ cảm xúc cao và chuyển động tự nhiên của khuôn mặt, nhấp mắt, nhướn mày và chuyển động đầu/cơ thể.