コーディングエージェントの陣取り合戦、デスクトップへ移行
ある日に行われた3つの発表、その翌日の1つのリリース。コーディングエージェントの戦いは、どのモデルが最も上手く書くかから、どのウィンドウを最初に開くかへと移った。
← すべての記事
カテゴリ
Ai
332 articles
SenseTimeが目指すのは、画像を「回す」のではなく「納品」すること
ほとんどの画像モデルはプロンプトに応答して終わりです。SenseNova U1 Proはブリーフに応えることを中心に構築されており、それはより雑然としていて、より有用なことです。
Flux 3とImagen 4がReplicateに登場、画像モデルの棚は混雑化
4つのImagenモデルとFluxの新リリースが、同じ日に同じプラットフォームに登場した。重要な違いは、マーケティングが示唆するよりも狭い。
Ant GroupのMing-Imageはフラットな画像ではなくレイヤーでデザインする
60億パラメータの2つのモデルが、デザインの地味な半分を狙う。判読できる文字と、クライアントが変更を求めたときにまだ編集できる出力だ。
Bilibili、Apache-2.0の下で150言語対応の翻訳モデルファミリーをオープンソース化
言語数が注目点だが、吹き替えと字幕向けのブランチが実用性の鍵。翻訳は制約付きタスク群として再構築されつつある。
RunwayのPraxis-1への賭け——ロボットの頭脳への近道としての動画事前学習
実機ロボットのデータは乏しく、コストが高い。Runwayは近道は動画を通ると主張し、シミュレーションと実機結果の間に0.95の相関があると報告している。
Utopai、AI映画制作に記憶させるのは「1カット」ではなく「映画全体」
説得力のあるクリップを生成することは今や日常的だ。40カットにわたって制作が決めたことを記憶し続けることがより難しい問題であり、Utopaiはそれこそが製品だと賭けている。
PixVerse R2、動画生成を「歩いて回れる世界」に変える
クリップを返す代わりに、R2はあなたがその中を動き回る間、世界を動かし続ける。その代償はフレームごとの品質であり、AIsphereはそれを正直に認めている。
Ideogram 4.5と編集ドリフト問題：なぜ1か所を変えるのは依然として難しいのか
画像を1回編集するのは簡単だ。画像が崩れずに14回編集するのが難しい部分であり、今や3社がその解決に向けて競っている。
AI動画の次の戦場は『世界を理解すること』にある
複数のモデルが説得力のあるクリップを描けるようになると、品質はそれらを差別化しなくなる。次の競争は、モデルが出来事の展開を理解しているかどうかだ。
4ステップで動くオープン画像モデルは、見た目以上に大きな意味を持つ
サンプリングを50ステップから4ステップに削減することは、小さな最適化ではない。それはレイテンシ、コスト、そして画像モデルが目の前のマシンで動くかどうかを変える。
OpenAIは旗艦画像モデルを2つに分割した。それはベンチマーク以上を物語る。
Images 2.5は、同じ価格の2つのモデルとして登場した。この分岐は、画像生成を買う人々が2種類の異なるユーザーに分かれたことの告白だ。