资讯

最近，OpenAI 通过加入新的董事会成员和推出新技术，继续推动人工智能技术的前沿发展。最新加入的董事会成员包括曾在索尼公司担任高级领导职位的 Nicole Seligman 和 Instacart 的 CEO Fidji Simo。这两位新成员的加入有助于 OpenAI 在技术和战略上获得更多支持。 此外，OpenAI 还推出了 GPT-4o，这是一个为 ChatGPT 免费用户提供的增强版，具备更高级的智能和工具。该版本的推出旨在使更多用户能够享受到高级 AI 工具带来的便利，无论是在数据分析、文件总结还是语音对话方面，都能提供更加丰富的体验。 另一项重要进展是 Whisper 项目，该项目通过开源的方式，为社区提供了一个强大的语音识别工具。这标志着 OpenAI 在开源社区的深入参与，旨在通过共享高效的技术来推动广泛的创新和应用。 OpenAI 坚持其非营利组织的核心结构，通过其在人工智能治理和经济规定上的创新，确保了其技术开发与使命相符，即安全地开发出广泛有益的人工智能技术。该组织结构的特色在于能够随着对人工智能路线的探索而灵活适应。 以上就是 OpenAI 最近的几项重要更新，显示了该组织在推动技术创新及其应用方面持续的努力和承诺。

近期，Midjourney持续引领AI艺术创作领域的创新。其创始人David Holz强调，Midjourney不仅仅是一个图像生成工具，更是一个激发人类想象力的平台。自2022年成立以来，该平台经历了快速的版本迭代，目前已推出V5.2版本，提供更精细、更尖端的图像处理能力。Midjourney主要通过Discord平台与用户互动，依靠社区的力量进行产品测试和功能更新，显著提升了用户体验。此外，公司采用口碑营销策略，凭借社交媒体的传播实现了用户基数的快速增长。

OpenAI近期在其AI技术平台上推出了多项新的更新和改进，特别是在GPT-4和DALL·E 2上。GPT-4是OpenAI在深度学习领域的最新里程碑，它不仅在多模态输入（图像和文本）方面展示了出色的处理能力，还在多种专业和学术基准测试中达到了接近或等同于人类的表现水平。此外，为了提高AI的安全性和可靠性，OpenAI对GPT-4进行了细致的调整，显著降低了模型响应禁止内容的倾向，并提高了对敏感请求的合规响应比例。 DALL·E 2作为一个生成模型，专注于图像创作，已经在视觉真实性和标题匹配的准确性方面取得了显著的进步。与首版相比，DALL·E 2在照片真实感和相关性上得到了评估者的高度青睐。为防止生成不当内容，OpenAI对DALL·E 2的训练数据进行了筛选，以最大限度减少暴力和仇恨图像的生成。 这些进展不仅展示了OpenAI在推动人工智能发展方面的持续努力，也体现了公司在确保技术安全和负责任部署方面的承诺。随着这些技术的逐步成熟和商业化，OpenAI期待能通过更广泛的用户反馈和研究合作，进一步完善和优化其AI模型和应用平台。

OpenAI近期为ChatGPT引入了声音和图像处理能力，使其能够进行更直观的互动。这些功能首先为Plus和企业用户提供，用户现在可以通过语音与ChatGPT进行对话，或者通过展示图片来讨论问题。这些更新将ChatGPT的应用范围扩展到了日常生活的多个方面，例如在旅行中通过拍摄地标来讨论其信息，或在家中拍摄冰箱内容来规划晚餐。 同时，ChatGPT Plus订阅服务也得到了更新，现在提供更快的响应速度和新功能的优先访问权。此外，ChatGPT Plus用户还可以享受到使用OpenAI最新AI模型GPT-4o的优势，该模型不仅处理速度更快，还能更精准地理解和描述图像内容

Stable Diffusion 3 采用了新的多模态扩散变换器（MMDiT）架构，这一架构分别针对图像和语言表示采用了不同的权重，进一步增强了对文本的理解能力和拼写能力。在人类偏好评估中，Stable Diffusion 3 在遵循指令、排版和视觉美观方面达到或超越了其他模型。最大的 SD3 模型在早期测试中表现出色，具有 80 亿参数，能在 34 秒内在 RTX 4090 上生成 1024×1024 的图像。 此版本的模型范围从 8 亿到 80 亿参数不等，降低了硬件门槛，提高了可访问性和性能。Stable Diffusion 3 的架构建立在之前的 Stable Diffusion 模型基础上，通过预训练模型提取文本和图像的适当表示。文本使用三种不同的文本嵌入器（两个 CLIP 模型和 T5）进行编码，而图像标记编码则使用改进的自动编码模型进行处理。

近日，GPT技术在多个领域取得了显著进展。OpenAI的GPT-4o和GPT-4o mini模型，被设计为处理文本、音频和视频输入，可生成文本、音频和图像输出。这些模型不仅提升了多模态交互能力，还强化了与人类用户的实时交流体验。此外，全球多个国家和区域也在探索类似ChatGPT的工具，应对OpenAI的访问限制，例如香港正在测试自己的ChatGPT风格工具

Midjourney 5.2版本的更新带来了创新的功能和改进，让AI艺术生成工具的用户可以体验到更丰富的视觉创作可能性。其中，最引人注目的是Zoom Out功能，该功能允许用户无限扩展原始图像，同时保持与原始图像相同的细节层次，创造出宏大的视觉作品。此外，Midjourney还引入了“变化模式”，允许用户根据自己的需求调整输出图像的创意和风格差异，提供更灵活的视觉表现形式。 Midjourney不仅仅是一个工具，它通过其社区和Discord平台的整合，提供了一个互动丰富的环境，让艺术家、设计师和创意工作者可以分享和探讨他们的创意想法。用户可以通过简单的文本提示，即所谓的prompt，来指导AI生成符合他们视觉需求的图像，这一过程不仅直观而且用户友好。 随着技术的不断进步，Midjourney将继续引领AI艺术生成工具的发展，带给用户更多创新和实用的功能，为数字创作领域带来更多的可能性和灵感。了解更多关于Midjourney的信息和用户教程，可以访问官方网站或参与其社区讨论。

OpenAI最近推出了最新的旗舰模型GPT-4o，该模型在文本、语音和视觉处理方面具有更快的速度和更强的能力。GPT-4o不仅能理解和讨论您分享的图片，还将支持更自然的实时语音对话和实时视频交流能力。此外，GPT-4o将开始向ChatGPT Plus和Team用户提供，企业用户也将很快可以使用。随着这些能力的推广，GPT-4o也将向ChatGPT免费用户开放，尽管存在使用限制。 同时，GPT-4模型也在安全性和对抗风险方面进行了重大改进，通过与超过50名专家的合作，对模型进行了风险评估和测试，以减少生成有害内容的可能性。此外，GPT-3.5 Turbo模型也进行了更新，降低了使用成本，提高了响应格式的准确性，并修复了一些已知的编码问题。 在未来几个月，OpenAI还计划推出具有视觉功能的GPT-4 Turbo，这将为开发者提供更多的灵活性和功能。 此外，OpenAI还在不断改进其API服务，提供了新的嵌入模型和更低的定价，使开发者能够在性能和成本之间进行更好的权衡。

近日，Stable Diffusion 模型在 AI 图像生成领域的应用继续展示其技术的先进性和广泛的实用性。阿里巴巴云平台最近更新了他们的Elastic Algorithm Service（EAS），推出了支持Stable Diffusion的特定版本，允许用户通过云服务更便捷地部署和使用该模型[【7†source】](https://www.alibabacloud.com/help/en/pai/use-cases/deploy-stable-diffusion-for-ai-image-generation " Deploy Stable Diffusion - Platform For AI - Alibaba Cloud Documentation Center “)。此外，Apidog平台也针对Stable Diffusion API进行了详细的介绍，强调了其在分布式数据处理中的效率和可靠性，提供了一个无需本地设置即可使用的API，使得开发者和艺术家能够更容易地生成高质量的AI图像

近期，ChatGPT推出了几项引人注目的更新，包括语音和图像输入功能。这些新功能主要针对Plus和企业用户，在未来两周内逐步开放。用户现在可以通过语音与ChatGPT进行对话，并使用图像来进行交互，从而使聊天体验更加直观和富有吸引力。 对于语音功能，用户需要在移动应用中启用语音对话选项，然后通过点击主屏幕右上角的耳机按钮来选择偏好的语音。该功能由新的文本到语音模型提供支持，能够从简短的语音样本中生成逼真的音频。 图像输入方面，用户可以直接向ChatGPT展示图片，应用将利用多模态GPT-3.5和GPT-4模型来分析图片内容。此功能旨在帮助用户解决实际问题，例如分析一张复杂的图表或计划一顿饭。用户还可以使用绘图工具来指定图像中的特定部分，以便更精确的交流。 这些更新展示了ChatGPT在多模态交互方面的进步，同时也反映了OpenAI在逐步部署新技术时的谨慎态度。公司强调，这种渐进式的发布策略有助于在全面推广前对功能进行改进和风险缓解。 此外，ChatGPT在中国的注册和使用也有新的变化。现在用户无需验证手机号即可使用ChatGPT，但如果需要使用高级功能如GPT-4，仍需完成注册流程。这一过程包括使用国外的邮箱和手机号，有时还需要通过特殊的网络访问工具来绕过地域限制。 通过这些更新和变化，ChatGPT不仅增强了用户体验，也展示了AI技术在全球范围内的广泛应用和适应性。