Categoria
324 articles
Modificare un'immagine una volta è facile. Modificarla quattordici volte senza che l'immagine si sfaldi è la parte difficile, e ora tre aziende corrono per risolverlo.
Quando diversi modelli riescono a produrre una clip convincente, la qualità smette di distinguerli. La prossima sfida riguarda se il modello comprende come dovrebbero svolgersi gli eventi.
Ridurre il campionamento da 50 step a quattro non è una piccola ottimizzazione. Cambia la latenza, i costi e se un modello di immagini può girare sulla macchina davanti a te.
Images 2.5 arriva come due modelli a un solo prezzo. La biforcazione è un'ammissione che chi acquista la generazione di immagini si è diviso in due tipi diversi di utente.
GLM-5.3-Flash è open source con licenza MIT e gira su chip cinesi, mentre Meituan presenta LongCat-2.0 con 1.600 miliardi di parametri. A settembre i grandi modelli cinesi aprono i pesi in massa: la vera sfida è “poterseli permettere”.
Ora tutti riescono a rendere un'immagine fotorealistica. La nuova corsa è all'iterazione, alla coerenza e alla chiarezza delle licenze. Ecco a che punto sono i modelli di immagini.
Un modello cinese open-weights ora batte i leader chiusi su qualità e prezzo. La generazione video ha appena ottenuto una credibile strada aperta.
La più grande critica al video AI non è mai stata la qualità. Era il controllo. Kling 4.0 scommette il futuro sull'editare una cosa invece di rigenerare tutto.
30 secondi per clip, editing locale, 10 keyframe: Kling 4.0 trasforma la generazione video dal “gacha” al “modificabile”. Dietro c'è l'esplosione di 430.000 corti AI e le polemiche sull'omogeneizzazione che ne derivano.
La frontiera dell'efficienza si muove alla stessa velocità della frontiera delle capacità. Un'accelerazione di 3,6 volte nell'addestramento è il tipo di progresso che in seguito si manifesta come un modello che puoi davvero eseguire.
L'editing a immagine singola crea variazioni. L'editing multi-immagine crea combinazioni. Cosa cambiano dieci riferimenti in una volta nel modo in cui scriviamo i prompt e componiamo.
Tutti chiedono realismo. I designer chiedono uno sfondo trasparente. Perché la generazione nativa del canale alpha è la funzionalità silenziosa che cambia i flussi di lavoro reali.
