1、写真视频击败Sora？人大自研全新多模态大模型Awaker 1.0震撼登场
智子引擎发布的Awaker 1.0多模态大模型在人工智能领域迈出重要一步，展现了在视觉生成方面的卓越能力，被认为可能成为实现AGI的可行路径。其自主更新能力和多任务MOE架构的有效性得到验证，提升了具身智能的适应性和创造性。Awaker 1.0的发布是智子引擎团队向实现AGI目标迈进的关键一步，有望加速多模态大模型行业的发展，最终让人类实现AGI。
【AiBase提要:】
🚀 Awaker 1.0标志着通用人工智能迈出重要一步，超越了Sora，在视觉生成方面展现卓越能力。
💡 Awaker 1.0采用创新的MOE架构，具备自主更新能力，超越了国内外先进模型在视觉问答和业务应用任务上。
🔮 Awaker 1.0结合具身智能，可能成为实现AGI的可行路径，通过自主更新机制持续提升效果，展示了Transformer技术在视频生成领域的潜力。
2、苹果首款AI平板曝光，新iPad Pro搭载M4芯片
苹果即将发布搭载M4芯片的新版iPad Pro，提升了神经网络引擎性能，使AI功能更流畅。新iPad Pro将首次采用OLED屏幕，配备全新一代的Apple Pencil和妙控键盘，增强生产力和创造力。苹果将每款新产品作为人工智能设备来宣传，iPhone16系列预计搭载A18芯片围绕AI构建，iOS18操作系统将提供新的生成式AI功能。苹果在AIGC领域的动作备受关注，表现将在WWDC上揭晓。
【AiBase提要:】
🚀 新iPad Pro搭载M4芯片，提升神经网络引擎性能，使AI功能更流畅。
💡 新iPad Pro首次采用OLED屏幕，配备全新一代的Apple Pencil和妙控键盘，增强生产力和创造力。
📱 iPhone16系列预计搭载A18芯片围绕AI构建，iOS18操作系统将提供新的生成式AI功能。
3、开源多模态LLM InternVL 1.5：具备OCR能力 可解读4K图片
InternVL家族的开源套件提供了商用多模态模型的可行开源替代方案，最新发布的InternVL-Chat-V1.5模型在基准测试上性能接近GPT-4V和Gemini Pro。InternVL的模型涵盖视觉感知、跨模态检索等领域，实现了多项技术突破。
【AiBase提要】
💡 在多个基准测试上取得了接近GPT-4V和GeminiPro的性能，具备强大的多模态对话能力和OCR能力
💡 可用于解析图片，为图片配文等（比如根据图片写小红书文案）
💡 还可以用来做题，英语应该是没啥问题，数学请谨慎
4、华为PixArt-Σ放出模型文件
华为最新发布的PixArt-Σ模型在图像生成领域引起了广泛关注。该模型采用先进的弥散Transformer技术，专注于生成高质量的4K分辨率图像，同时具有轻量化设计和风格多样性，支持在Comfyui等平台上使用，为用户提供了高质量的图像生成工具。
【AiBase提要:】
🔍 PixArt-Σ模型采用先进的弥散Transformer技术，专注于生成高质量的4K分辨率图像。
💡 模型大小仅为2G，轻量化设计保持小体积的同时表现出色。
🌟 支持Diffusers框架，用户可以在不同平台上尝试使用，加速生成过程，提升用户体验。
5、Sora生成火爆短片被指后期特效人工参与
Sora火爆短片《气球人》揭秘：视频并非完全由AI生成，需要人类后期实现大量视觉效果。视频一致性问题：Sora不能保证不同镜头之间的主体一致性，需要详细描述角色形象来解决。视频后期处理：Sora生成的视频素材需要人类进行后期裁切、调速、去除不符合设定的元素等处理。
【AiBase提要:】
🔍 视频并非完全由AI生成，需要人类后期实现大量视觉效果。
🎭 Sora不能保证不同镜头之间的主体一致性，需要详细描述角色形象来解决。
🎬 Sora生成的视频素材需要人类进行后期裁切、调速、去除不符合设定的元素等处理。
6、LobeChat支持通过网页版直接调用Ollama 本地模型
LobeChat是一个创新的网页平台，为用户提供了便捷的方式通过网页界面直接利用开源大模型的能力。用户可以轻松地利用本地大模型进行各种语言处理任务，无需离开网页环境。LobeChat减少了对外部API服务的依赖，提供快速、方便的解决方案。
【AiBase提要:】
🔍 本地模型支持: 用户可以在本地安装Ollama后，通过LobeChat与开源大模型进行交互。
⚡ 高性能体验: LobeChat提供的对话速度可以媲美商业API调用，只要用户设备性能足够强大。
🎨 优质的UI体验: LobeChat的网页用户界面设计直观易用，提供与ChatGPT相媲美的用户体验。
详情链接:https://top.aibase.com/tool/lobechat
7、百万网友围观博主和AI“谈恋爱”，ChatGPT“DAN”模式有多上头？
这篇文章介绍了博主和AI“DAN”模式之间的互动，展示了AI在语音聊天中的趣味性和情感化表达。文章探讨了人机情感交流的可能性，引发了网友们对虚拟恋爱的讨论。通过对话展示了AI的多面性和个性化特点，吸引了大量网友围观和参与。
【AiBase提要:】
🤖 AI“DAN”模式展示了在语音聊天中的趣味性和情感化表达
💬 文章探讨了人机情感交流的可能性，引发了网友对虚拟恋爱的讨论
🌐 AI的多面性和个性化特点吸引了大量网友围观和参与
8、AI小镇现在可以通过Llama3在本地运行
AI小镇是一个创新的虚拟城镇项目，可以通过Llama3完全在本地运行，为开发者提供了一个强大的平台来构建和定制自己的虚拟AI社区。该项目受Generative Agents研究论文启发，提供了一个可部署的平台，适合寻找有趣项目或开发可扩展多人游戏的开发者。安装过程直观，支持Convex、Ollama等服务器，以及Vite网络服务器。
【AiBase提要:】
🏗️ 支持本地运行：AI小镇可以通过Llama3在本地运行，为开发者提供了强大的构建和定制平台。
🤖 提供定制AI社区：用户可以创建和定制AI角色居住的虚拟城镇，包括角色、故事、背景环境和音乐。
🔗 强大的功能支持：AI小镇集成了Convex作为游戏引擎、数据库和矢量搜索的基础，同时支持与云AI提供商的集成，增强了虚拟社区的功能。
9、Harmonai：一个开源的生成音频工具
Harmonai是由Stability AI Lab支持的开源项目，旨在让音乐制作变得更容易和有趣。通过先进的AI算法生成定制的无限音乐库，为用户提供高品质、创新性的音乐资源，推动音乐产业和文化的发展。
【AiBase提要:】
🎵 利用先进的AI算法生成定制的无限音乐库，为用户提供高品质、创新性的音乐资源。
🎶 提供易于使用的生成音频工具，赋予每个人表达创造力的能力，推动音乐产业和文化的发展。
🎧 技术基于Dance Diffusion模型，使用PyTorch框架实施，通过大量音频数据集训练和测试模型，确保功能强大、适应性和可靠性。
10、摩根大通推出FlowMind工具 自动化金融工作流程
摩根大通最近推出了名为FlowMind的先进工具，利用GPT技术自动生成工作流程，自动化金融行业内的多种任务，提高工作效率，减少人为错误可能性。FlowMind注重数据安全与隐私保护，通过抽象API描述实现任务执行，允许用户参与工作流优化和定制，提高自动化解决方案的灵活性和有效性。
【AiBase提要:】
🤖 自动化金融任务: 提升操作效率，处理常规任务。
🔒 数据安全与隐私保护: 架构强调安全性，保护敏感数据。
🛠️ 抽象API描述: 通过抽象描述执行任务，保护数据隐私，提供必要信息给模型理解。
详情链接:https://arxiv.org/pdf/2404.13050
11、微软LongRoPE方法让LLM上下文窗口突破200万 8倍扩展还保持性能
微软研究人员提出的LongRoPE方法成功将LLM的上下文窗口扩展至2048k，实现了8倍的扩展同时保持原始短上下文窗口的性能，无需架构变化和复杂微调。这一突破性的方法为语言模型的性能提升带来了新的可能性，为未来的研究和应用奠定了坚实的基础。
【AiBase提要:】
⭐ LongRoPE方法将LLM的上下文窗口扩展至2048k，无需架构变化和复杂微调
⭐ 通过高效搜索识别位置插值中的非均匀性，为微调提供更好初始化，展8倍而保持性能
⭐ 实验结果表明LongRoPE成功将LLM上下文窗口扩展至2048k，并在较短长度内保持与基线相当或更好的困惑度
12、微软、谷歌最新财报显示大幅增长
本文介绍了微软和谷歌截至2024年3月31日的季度财务报告，受ChatGPT等生成式AI利好影响，两家企业实现了大幅度增长。微软营收同比增长17%，净利润增长20%，谷歌营收同比增长15%，利润飙升57%。Meta也展示了营收增长，但净利润下降，计划增加对AI的支出。
【AiBase提要:】
📈 微软营收同比增长17%，净利润增长20%，主要归功于与ChatGPT母公司OpenAI的合作。
💡 微软Azure云服务增长31%，AI服务贡献了7%。
🚀 谷歌云业务GoogleCloud收入增长28%，生成式AI和大模型定制发挥重要作用。