写点什么

发布屡次截胡?OpenAI 与谷歌携新版大模型再度交锋 | 大模型一周大事

  • 2024-05-20
    北京
  • 本文字数:2635 字

    阅读完需:约 9 分钟

大小:1.31M时长:07:37
发布屡次截胡?OpenAI与谷歌携新版大模型再度交锋 | 大模型一周大事

大模型的快节奏发展,让了解最新技术动态、积极主动学习成为每一位从业者的必修课。InfoQ 研究中心期望通过每周更新大模型行业最新动态,为广大读者提供全面的行业回顾和要点分析。现在,让我们回顾过去一周的大模型重大事件吧。

一、重点发现

本周,人工智能领域迎来了一波大模型发布的高潮,行业玩家纷纷推出自家的创新成果,AI 巨头间的角力再次升温。OpenAI、谷歌、百度和腾讯等公司相继亮相了各自的大模型。其中,OpenAI 的新一代模型 GPT-4o 与谷歌的 Gemini 家族最为引人注目。新模型不仅在多模态理解能力、长文本理解、运行速度等性能上有所突破,更在应用场景和用户体验上带来了新的想象空间,预示着 AI 技术将在未来扮演更加关键的角色。

二、具体内容

大模型持续更新

  1. 5 月 12 日,斯坦福大学的研究者开发了一个名为 ThunderKittens 的 AI 加速框架。该框架通过简化的 CUDA DSL 让开发者能够更容易地编写高效的 GPU 内核,显著提高了 GPU 利用率。 ThunderKittens 在 RTX 4090 上实现了约 122 TFLOP 的性能,且在 H100 上的性能比 FlashAttention-2 高出约 30%。

  2. 5 月 14 日,OpenAI 发布了新一代模型 GPT-4o ,这是一个全能模型。该模型集成了文本、语音、图像三种模态的理解力,能够实时生成文本、音频和图像的输出。GPT-4o 在英语文本、代码、非英语文本、视觉和音频理解方面都有显著提升。

  3. 5 月 15 日,谷歌发布 Gemini 家族新成员 Gemini 1.5 Flash ,并宣布更新 Gemini 1.5 Pro 。Gemini 1.5 Flash 是一款专为速度而优化的小型模型,旨在处理高频任务,提供快速响应。它能够分析和处理包括文本、图片和视频在内的多种信息类型,拥有高达 100 万个 Token 的处理能力。Gemini 1.5 Pro  具备 200 万 token 的超长上下文窗口,能够处理大量信息,如 2 小时视频、 22 小时音频、超过 6 万行代码或 140 多万单词。

  4. 5 月 15 日,百度发布了全球首个 L4 级自动驾驶大模型 Apollo ADFM ,并宣称其安全性是普通人类驾驶员的 10 倍以上,能覆盖城市级全域复杂场景。

  5. 5 月 16 日,亚信科技认知增强平台 TAC MaaS 与渊思·编程大模型渊思·自智网络大模型渊思·智能运维大模型 3 个行业大模型。

  6. 5 月 17 日,腾讯云正式发布教育行业大模型。该模型基于自研混元大模型,融合了教材、习题、论文等资源,并通过腾讯云 TI 平台优化,特别在中文阅读理解、问答和教育相关任务上表现优异。

  7. 5 月 17 日,字节跳动发布了豆包大模型(原云雀大模型) AI 产品家族。豆包大模型家族包括九款模型,满足不同场景需求,并且字节跳动还推出了 AI 应用产品“扣子”和豆包 App 。

开源领域

  1. 5 月 13 日,零一万物发布了其 Yi 大模型家族的新成员 Yi-1.5 并正式开源。 Yi-1.5 包含 6B、9B、34B 三个版本的预训练和微调模型,采用 Apache 2.0 许可证。作为 Yi-1.0 的持续预训练版本, Yi-1.5 在 500B 个 token 上进行了训练,以提升编码、推理和指令执行能力,并在 300 万个指令调优样本上进行了精细调整。 

  2. 5 月 14 日,腾讯宣布其混元文生图大模型全面开源。该模型支持中英文双语输入及理解,拥有 15 亿参数量,并采用了与 Sora 一致的 DiT(Diffusion With Transformer) 架构,使其在文生图生成方面表现优异,效果超越开源的 Stable Diffusion 模型。

多模态领域

  1. 5 月 15 日,谷歌发布了视频生成模型 Veo ,该模型能够根据文本提示生成超过 60 秒的高质量 1080p 视频,支持多种电影风格,并具备深层次的语言与视觉理解能力。Veo 能够准确捕捉文本中的细微差别,并在视频场景中逼真呈现细节。

科研领域

  1. 5 月 13 日,百度大数据实验室与上海交通大学团队合作开发了名为 RNAErnie 的基于 Transformer 的 RNA 语言模型。该模型通过基序感知预训练和类型引导的微调策略,在多个数据集和任务中表现出色,准确率和 F1 得分显著提高,证明了其在 RNA 序列分析方面的优越性和泛化潜力。

  2. 5 月 16 日,来自亚马逊与得克萨斯大学奥斯汀分校的研究团队发表论文《SynthesizRR: Generating Diverse Datasets with Retrieval Augmentation》。 SynthesizRR 是一种创新的数据集合成技术,通过结合检索和精细化(Refinement)方法,解决了传统大型语言模型在生成示例时出现的重复性、偏差和风格差异问题。该技术通过引入多样化的内容“种子”,显著提升了词汇和语义的多样性,并在多个复杂任务的数据集上,与人类文本的相似性以及学生模型的提炼性能方面取得了显著进步。

应用探索

智能体

  1. 5 月 13 日,宇树科技推出了新款人形机器人 Unitree G1 ,其起步价为 9.9 万元人民币,相比之前推出的 Unitree H1 价格大幅下降。Unitree G1 身高 1.27 米,体重 35 公斤,具有多达 43 个关节电机(基础版为 23 个),能够模拟复杂动作并实现精细的运动控制。这款机器人可以折叠存放,运行速度可达 2 米/秒,并且配备了 3D LiDAR 传感器和深度摄像头,具备 360 度全景深度感知能力。

  2. 5 月 15 日,谷歌发布名为 Project Astra 的 AI Agent 。Project Astra 能够接收信息、记忆所看到的内容、处理信息并理解上下文细节,以实现与周围世界的自然交互。它在声音和视觉处理方面表现出色,能够进行无延迟的实时语音交互,并快速响应用户的问题,通过连续编码视频帧和组合视频、语音信息来处理收到的内容。

基础设施

  1. 5 月 15 日,谷歌发布第六代 AI 芯片 Trillium 。这款新型 TPU 在计算性能上实现了高达 4.7 倍的提升,同时内存带宽翻倍,能效比上一代产品提高了 67% 。Trillium 芯片采用了谷歌自研的第三代 SparseCore 技术,有效加速了模型训练并降低了服务延迟。预计 Trillium 将在今年年底向云客户提供,进一步巩固其在云计算和 AI 领域的领导地位。


报告推荐

AGI 概念引发热议。那么 AGI 究竟是什么?技术架构来看又包括哪些?AI Agent 如何助力人工智能走向 AGI 时代?现阶段营销、金融、教育、零售、企服等行业场景下,AGI 应用程度如何?有哪些典型应用案例了吗?以上问题的回答尽在《中国 AGI 市场发展研究报告 2024》,欢迎大家扫码关注「AI 前线」公众号,回复「AGI」领取。



报告预告

金融行业是否找到了大模型落地应用的最佳路径?取得了哪些具体应用成果? 又存在哪些难以逾越的挑战与桎梏?金融机构一定要应用大模型吗?如何考量金融大模型应用效果?欢迎大家持续关注 InfoQ 研究中心即将发布的《大模型在金融领域的应用洞察》



2024-05-20 17:144449

评论

发布
暂无评论
发现更多内容

阿里一面凉凉,幸获内推华为技术四面,offer到手!

程序知音

Java java面试 Java进阶 八股文 Java面试八股文

活动回顾丨首期阿里云 Serverless 技术创新实战营上海开讲(含 PPT 下载)

Serverless Devs

如何进行存储容量规划?

ScaleFlux

存储成本 数据压缩 企业级SSD NVMeSSD

财务共享五大价值助力央企构建世界一流财务管理体系

用友BIP

财务共享

空降攻略!一文带你玩转2023开放原子全球开源峰会

开放原子开源基金会

开源 开放原子开源基金会 攻略 开放原子全球开源峰会

探索 PlanetIX:解读区块链游戏运营的奥秘

Footprint Analytics

区块链游戏 web3 Planet IX

旅游景区如何寻找共享电单车厂家

共享电单车厂家

共享电动车厂家 景区共享电单车 共享电动车投放 景区共享电动车

论数字化大趋势下,建设财务共享中心的重要性

用友BIP

财务共享

inBuilder今日分享丨表单设计器画布渲染引擎揭秘

inBuilder低代码平台

ScaleFlux企业级SSD通过VMware IOVP认证

ScaleFlux

vmware 固态硬盘 企业SSD 存储解决方案

进阶神册!Redis+Nginx+设计模式+Spring全家桶+Dubbo核心技术笔记

程序知音

Java 数据库 spring java架构 Java进阶

AI浪潮再掀低代码开发热,快来了解最新趋势!

加入高科技仿生人

人工智能 低代码 AI技术

艾媒金榜|2023年中国信创企业百强榜

亚信AntDB数据库

数据库 AntDB AntDB数据库

用友BIP新一代全球司库,重塑企业资金管理新价值

用友BIP

全球司库

详解RocketMQ 顺序消费机制

华为云开发者联盟

后端 开发 华为云 华为云开发者联盟 企业号 5 月 PK 榜

「ACL 2023」:火山语音团队多篇论文中选,涉多方向技术创新突破

科技热闻

西南财经大学李玉周:数智化技术广泛使用推动管理会计加快落地

用友BIP

智能会计 价值财务

如何用ReadWriteLock实现一个通用的缓存中心?

华为云开发者联盟

Java 开发 华为云 华为云开发者联盟 企业号 5 月 PK 榜

基于 Log 的通用增量 Checkpoint

Apache Flink

大数据 flink 实时计算

水泥行业全球第一企业怎么进行财务共享建设?

用友BIP

财务共享

利用透明压缩技术解决企业级SSD读写延迟挑战

ScaleFlux

压缩算法 固态硬盘 企业存储

Last Week in Milvus

Zilliz

非结构化数据 Milvus Zilliz 向量数据库

MegEngine 使用小技巧:如何解读 MegCC 编译模型几个阶段 Pass 的作用

MegEngineBot

深度学习 编译器 MegEngine Pass

财务标准化建设进程中,财务共享能起到什么作用?

用友BIP

财务共享

商业地产研策如何搜集数据​

MobTech袤博科技

Wallys/DR5018+QCN6122/support for the latest Wi-Fi standards in networking devices.

Cindy-wallys

ipq5018 QCN6102 QCN6122

艾媒咨询 | 2023年中国信创产业发展白皮书

亚信AntDB数据库

数据库 AntDB AntDB数据库

怎样才能让业财融合真正为企业数智化转型起到推动作用?

用友BIP

财务共享

软件测试/测试开发丨Web自动化测试高级定位xpath

测试人

程序员 软件测试 自动化测试 测试开发

怎样将图片直接转换为3d模型?

真大的脸盆

Mac Mac 软件 图片转换工具 图片转换模型软件

发布屡次截胡?OpenAI与谷歌携新版大模型再度交锋 | 大模型一周大事_生成式 AI_InfoQ研究中心_InfoQ精选文章