AI大模型日报#0418：Stable Diffusion 3开放API、Meta新研究让AI Agent理解物理世界

导读： 欢迎阅读《AI大模型日报》，内容基于Python爬虫和LLM自动生成。目前采用“文心一言”生成了每条资讯的摘要。

标题: 微软刚发布了VASA-1 这个人工智能可以让单张图像具有生动的说话和歌唱能力
 

摘要: 微软发布了VASA-1人工智能，它能使单张图像具备说话和歌唱的生动能力，为人工智能领域带来新的突破。该技术引发了广泛关注，但文章内容仅代表作者观点，与新浪网无关。如有版权等问题，请在30日内与新浪网联系解决。
网址: 微软刚发布了VASA-1 这个人工智能可以让单张图像具有生动的说话和歌唱能力_新浪新闻
 
标题: 从文字模型到世界模型！Meta新研究让AI Agent理解物理世界
 

摘要: LLM已理解文本、图片及3D物理空间，但对现实事件缺乏了解。AI Agent如机器人或智能眼镜，通过感知环境回答开放性问题，需构建“世界模型”理解外部世界并与人交流。Meta的OpenEQA框架为探索此领域提供新可能。EQA是检查AI Agent是否真正理解周围世界的工具，对实现人工通用智能至关重要。
网址: 从文字模型到世界模型！Meta新研究让AI Agent理解物理世界|AI|Meta_新浪新闻
 
标题: 谷歌开源专业代码模型：对硬件要求低，性能超强！
摘要: 谷歌发布了面向企业和开发人员的Code Gemma代码模型，包含基础预训练、指令微调和快速推理三个版本。该模型基于Gemma开发，参数小但经过大规模预训练，能快速生成多种主流编程语言代码。在基准测试中，Code Gemma性能优于同类模型，推理效率和准确率更高。开发团队采用“填充中间”训练方法大幅提升了模型性能。详情见技术报告和开源地址。
网址: 谷歌开源专业代码模型：对硬件要求低，性能超强！|编程语言|python_网易订阅
 
标题: 突发！Stable Diffusion 3，可通过API使用啦

摘要: Stability.ai宣布新文生图模型Stable Diffusion 3（SD3）和SD3 Turbo可在API中使用，由Fireworks AI提供服务。与前两代相比，SD3生成图片质量更高，能更好理解提示文本中嵌入的文字，并精准呈现于图片中。SD3模型权重将向Stability AI会员提供，支持本地部署运行。API地址详见官网。
网址: 突发！Stable Diffusion 3，可通过API使用啦|向量|模态|视频生成模型_网易订阅
 
标题: 看懂网飞版「三体」！Reka Core登场：挑战GPT-4、Claude 3
 

摘要: Reka公司推出了最新的多模态语言模型Reka Core，其性能与GPT-4和Claude 3 Opus相当。该模型使用数千台H100进行训练，能够理解图像、音频和视频等多种数据内容。Core是Reka语言模型系列中的第三个成员，由多个来源的数据训练而成。尽管推出时间不到一年，但已经备受关注，网友们对其评价甚高，期待其未来的表现和发展。
网址: 看懂网飞版「三体」！Reka Core登场：挑战GPT-4、Claude 3|图像|三体_新浪新闻