[AI每日快讯·20241211]OpenAI Sora 正式上线！多项创作编辑功能，仍存在明显不足

发布时间:2024-12-11 00:11:36 · 责任编辑:字母汇 · 浏览量:68 次

一、 OpenAI Sora 正式上线！多项创作编辑功能，仍存在明显不足

1. OpenAI发布的Sora视频生成工具因热度过高导致网站崩溃，用户注册暂时停止；

2. Sora拥有多个功能如Re-cut、Remix、Storyboard等，提升创作效率和编辑能力；

3. 产品仍存物理模拟和文字生成问题，在风景和动画风格处理上表现优秀，有显著进步。

二、智源开源无标注视频学习3D模型See3D，See Video, Get 3D

1. 智源推出See3D模型，通过视频中的视觉线索生成3D图像，无需相机标注；

2. See3D支持从单视图、稀疏视图到3D生成，并可进行3D编辑与高斯渲染；

3. 该模型依托大规模无标注互联网视频数据，具有扩展性、相机可控性和几何一致性，推动3D创作应用发展。

三、 DeepSeek V2 系列收官，Post-Training 全面提升，上线联网搜索

1. 发布 DeepSeek V2.5 最终版微调模型，为 V2 系列的最后更新；

2. 模型通过 Post-Training 提升了多领域能力，包括数学、代码等，并优化了文件上传功能；

3. 模型权重已开源，联网搜索已上线官网，可生成个性化、多样的搜索结果。

四、首个免费多模态大模型API，GLM-4V-Flash上线智谱开放平台

1. GLM-4V-Flash提供免费的多模态大模型API，提供图像描述生成、图像分类等功能；

2. 支持26种语言，广泛应用于社交媒体、教育、医疗等行业，显著提高工作效率；

3. 通过低成本开放，降低开发者门槛，希望推动大模型技术在各领域的普及与创新。

五、上海 AI 实验室发布了 InternVL2.5 系列、最新开源多模态模型

1. InternVL 2.5系列开源多模态模型，首次在MMMU基准测试中得分超70，领先多个闭源商业模型；

2. 提供1B到78B多种规模，支持图像识别、文档理解和多语言任务，提升复杂多模态任务的理解能力；

3. 通过数据质量优化和高效的训练策略，减少训练成本并大幅提升模型性能，尤其在视觉编码和推理任务上表现优异。

六、腾讯云AI代码助手上线，依托混元大模型轻松搞定代码工作

1. 腾讯云 AI 代码助手通过理解代码上下文和程序员编码风格，提供精准的代码补全，显著提升编码效率；

2. 它支持多种开发场景，包括正则表达式生成、复杂代码解读和快速接口适配，帮助开发者快速完成任务；

3. 基于腾讯自主研发的混元大模型，AI助手能够深入理解工程全局，并为开发者提供个性化、精准的编码支持。

七、开源「后训练」全流程！AI2发布高质量Tülu 3系列开源模型

1. AI2发布的Tülu 3系列开源模型，在后训练技术方面取得突破，性能提升显著；

2. Tülu 3通过多轮训练、数据混合和新算法（如RLVR）优化，提升了模型的知识召回、推理、数学等核心技能；

3. 开放了完整的训练数据、代码和评估框架，推动了开源后训练技术的发展，缩小了与闭源模型之间的差距。

八、 AI视频边生成边播放！首帧延迟仅1.3秒，生成速度9.4帧/秒

1. Adobe与MIT合作推出CausVid，突破传统视频生成延迟，实现边生成边播放，首帧延迟仅1.3秒；

2. 采用蒸馏预训练的双向扩散模型和自回归生成模型，生成速度提高至9.4帧/秒，质量超越现有主流方法；

3. CausVid支持实时视频风格转换、交互式剧情生成等应用，且无需额外训练即可适应多种场景。