当前位置：
【每日AI快讯】5月14日 周二
什么软件好05月14日 周二
💡 OpenAI颠覆世界：GPT-4o完全免费，实时语音视频交互震撼全场，直接进入科幻时代
OpenAI最近发布了一款名为GPT-4o的新模型，该模型集成了文本、语音和图像三种模态，大幅提升了大模型的实用性。GPT-4o在语音识别、视觉和音频理解方面表现出色，能够实现实时语音对话和视频理解。此外，OpenAI还发布了ChatGPT的桌面应用程序，使用户可以更方便地使用GPT-4o的功能。GPT-4o的发布意味着OpenAI在人工智能领域又迈出了重要一步，为未来人机交互范式奠定了基础。
💡 零一万物Yi-1.5来了，国产开源大模型排行榜再次刷新
在OpenAI发布会的前一天，中国的大模型公司零一万物发布了新的开源大模型Yi-1.5，该模型包括6B、9B、34B三个版本，并采用Apache 2.0许可证。Yi-1.5是基于Yi-1.0的持续预训练版本，使用500B个token来提高编码、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。Yi-1.5系列模型在多个基准测试中取得了出色的成绩，部分指标超过了Qwen的72B模型，几乎与Meta Llama 3的70B模型相当。此外，零一万物还宣布面向国内市场一次性发布了多款模型API接口，包括Yi-Large、Yi-Large-Turbo、Yi-Medium、Yi-Medium-200K、Yi-Vision、Yi-Spark等，以满足不同场景下的需求。Yi-Large闭源大模型在斯坦福大模型排行榜AlpacaEval的英语评测中达到全球大模型Win Rate第一，在中文通用大模型综合性基准SuperCLUE的中文语言理解排名中成为国产大模型No. 1。同时，零一万物已启动下一代Yi-XLarge MoE模型训练，将冲击GPT-5的性能与创新性。
💡 多模态AI是医学的未来，谷歌推出三个新模型，Med-Gemini迎来大升级
谷歌DeepMind在Gemini的多模态模型的基础上开发了Med-Gemini系列，针对医疗用途进行了优化，包括Med-Gemini-2D、Med-Gemini-3D、Med-Gemini-Polygenic三个模型。这些模型能够处理2D和3D放射学、组织病理学、眼科、皮肤病学和基因组数据。研究显示，Med-Gemini-2D在基于人工智能的胸部X射线报告生成上制定了新标准，超越了之前两个独立数据集的最佳结果。Med-Gemini-3D在自动化端到端CT报告生成方面也表现良好。Med-Gemini-Polygenic在健康结果预测方面通常优于现有基线。这项工作在通用多模态医疗人工智能模型方面取得了有益的进展，但仍有很大的改进空间。研究人员设想未来所有这些单项功能都集成到综合系统中，执行一系列复杂的多学科临床任务。
💡 Anthropic 宣布在欧洲推出 Claude 聊天机器人，精通多种语言
人工智能初创公司Anthropic宣布，其生成式AI助手Claude将于当地时间周二在欧洲上线。该公司还将提供付费订阅版本Claude Pro，以及面向企业的Claude Team订阅计划。Claude精通多种欧洲语言，包括法语、德语、意大利语和西班牙语，这是首次面向欧盟以及挪威、瑞士和冰岛等非欧盟国家的用户推出。Anthropic表示，他们将重视准确性、安全性和隐私，并得到亚马逊和谷歌的帮助，以满足欧盟对企业数据使用的更严格限制。
💡 OpenAI 推出 Mac 版 ChatGPT 应用，今年晚些时候推出 Windows 版
OpenAI 最近推出了 ChatGPT 的桌面版应用程序，首先向 ChatGPT Plus 用户推出 macOS 应用，并计划在未来几周内向更广泛的用户开放。OpenAI 还计划在 2024 年晚些时候推出适用于 Windows 的版本。这个新应用将允许用户通过输入或语音的方式向 ChatGPT 提问，并且可以在应用内截取和讨论屏幕截图。此外，OpenAI 还发布了其全新的大型语言模型 GPT-4o，该模型将免费提供给所有用户使用。
💡 “面对面通话”指日可待，谷歌、惠普明年将推动全息视频聊天技术商业化
谷歌宣布将于2025年开始与惠普合作推动全息视频聊天技术Project Starline的商业化。该技术利用先进的AI、三维成像和其他技术，使用户在通话时感觉对方近在咫尺，就像与对方“同处一室”一样。未来，这项技术将走出实验室，在Google Meet或Zoom等视频会议服务中启用这种体验。惠普个人系统总裁Alex Cho表示，身临其境的协作体验在混合环境中创造真实的人际联系方面发挥着重要作用。