Google 推出可生成音频的视频模型 Veo 3,以及 Imagen 4 与 Flow
Google 公布 Veo 3 视频模型,可在一次生成中同时产出画面、同步音频与对话,面向美国 Gemini Ultra 订阅用户开放,无需另行配音与添加特效,同时推出图像模型 Imagen 4 与用于影片制作的工具 Flow,缩短了从想法到成片的距离。
阅读全文 →新模型的价格、强项与局限——按企业实际需求来看。
Google 公布 Veo 3 视频模型,可在一次生成中同时产出画面、同步音频与对话,面向美国 Gemini Ultra 订阅用户开放,无需另行配音与添加特效,同时推出图像模型 Imagen 4 与用于影片制作的工具 Flow,缩短了从想法到成片的距离。
阅读全文 →Llama 4 Scout 与 Maverick 是多模态、开放权重的混合专家模型,拥有 170 亿激活参数与超大上下文窗口,Scout 总参数 1090 亿、上下文窗口达 1000 万 token,Maverick 总参数 4000 亿,推理时只激活部分分支以降低算力开销。
阅读全文 →Google 推出 Gemini 2.5 Pro Experimental,这是 2.5 系列首个推理模型,在回答前先进行推理,具备一百万 token 的上下文窗口,并在数学、科学与编程等多项基准评估中处于领先,适合需要交叉核对的长文档任务。
阅读全文 →GPT-4.5 通过扩大无监督预训练规模获得更广的知识与更少的幻觉,官方称其为迄今最大的聊天模型,通过扩大无监督预训练规模,获得更广的知识基础、更好的上下文理解与更少幻觉,先向 ChatGPT Pro 用户开放,随后逐步扩大范围,而模型规模更大也意味着推理成本与延迟更高。
阅读全文 →Anthropic 发布 Claude 3.7 Sonnet 混合推理模型,同一模型可即时作答,也可按用户配置的计算预算对难题深度推理,价格保持不变,同时推出运行于终端的研究预览版 Claude Code 编程工具,可接受自然语言指令并直接操作源代码。
阅读全文 →DeepSeek 发布 R1 推理模型,权重以 MIT 许可证开放,官方称其推理能力与 OpenAI o1 相当,并配套六款更小的蒸馏模型与低成本 API;权重允许企业自行使用、修改与内部部署,无需另行申请授权,有助于减少对单一供应商的依赖,也便于在算力有限时选择更小的模型。
阅读全文 →