图片截自OpenAI
“O”:视频输出。2023年，我们看到了文字到视频合成的浪潮:WALT（谷歌）、EmuVideo(Meta)、Align Your Latents(英伟达)、Pika等等，数不胜数。然而，大多数生成的片段仍然很短。我将它们视为AI视频的“系统1”——“无意识”的局部像素运动。
如果说2019-2022年是品牌直播红利期，基建基本完善的2023年则像是竞争加速的开端。2024年，品牌直播的竞争烈度势必会更上一层楼，从内容、流量、金钱、平台等多维度展开。
1. 维基百科+大模型打败幻觉，斯坦福WikiChat在事实准确性和其他指标上表现优秀。
CogAgent作为在CogVLM基础上改进的开源视觉语言模型，拥有更多的功能和性能优势。它支持更高分辨率的视觉输入和对话答题，能够处理超高分辨率图像输入。