跳到正文
今天10月24日周六5 条
  1. The Decoder58

    Block 发布语音模型 Dessa,完全用人类语音训练以捕捉文本模型忽略的情绪

    Block 发布语音模型 Dessa,称其是首个完全用人类语音、不含任何文本数据从零训练的 AI 模型。Dessa 不先把音频转成文本,而是直接处理语音,可实时捕捉情绪、讽刺、笑声和停顿,并支持全双工交流,能在 MacBook Pro M4 Max 上本地运行,训练使用单台 NVIDIA GB200 NVL72。该模型尚未公开,团队先招募 AI 安全研究者测试意外风险。

10月23日周五
  1. The Decoder65

    Canva 发布首款自研图像模型 Craft

    Canva 发布首款自研图像生成模型 Canva Craft,由其内部实验室 Canva Research 从零训练,主要使用数百万设计模板而非照片数据。该模型先生成构图、比例和文字,再输出最高 2K 分辨率、覆盖 30 多种宽高比的图像,并支持 55 种语言的文字渲染,用户可用 Magic Layers 将结果拆成可编辑图层。

  2. TechCrunch · AI62

    Canva 发布首款自研图像生成模型 Canva Craft

    Canva 发布首款自研图像生成模型 Canva Craft,由公司研究团队开发,用于与 Google、OpenAI、字节跳动和 Meta 的同类模型竞争。该模型分两阶段工作:先解析提示词并规划元素空间关系、相对比例、视觉层级和文字信息,再生成最高 2K 分辨率、支持 30 种宽高比的图像,官方称可呈现准确的物体细节和清晰文字,并支持局部精确编辑。

10月22日周四
10月14日周三
  1. Google DeepMind90

    Google DeepMind 发布 Gemini 4 Argon 前沿模型

    Google DeepMind 发布 Gemini 4 Argon,面向开发者、企业和消费者开放,API 定价为每百万输入 token 2 美元、每百万输出 token 10 美元,缓存输入 token 享 95% 折扣。

    推荐理由:官方给出定价、基准排名与多个内部落地案例,可据此判断前沿模型在编码与科研工作流中的实际位置。

10月1日周四
  1. Google DeepMind87

    Google DeepMind 发布 Gemini 4 Argon 前沿模型

    Google DeepMind 发布新前沿模型 Gemini 4 Argon,先通过 Fairwind Program 向受信任的网络安全防御方开放,之后再逐步扩展至开发者、企业和消费者。

    推荐理由:官方披露了 Argon 在编码、企业知识工作和网络安全防御上的基准表现与内部落地案例,可据此判断前沿模型的能力边界。