2024 AI TimeLine 回顾（独家视角）

2024年，生成式人工智能已远远超越了仅仅作为一个流行词的范畴，它在实际应用和技术创新方面取得了显著进展，成为推动社会进步和产业变革的重要力量。以下是对2024年生成式人工智能领域一些最重要头条新闻的回顾与介绍：

二月 

• Stability AI 逐步推出 Stable Diffusion 3，引领图像生成领域新潮流。
• Google 升级 Bard 为 Gemini，并推出 Gemini Pro 1.5，支持多模态处理，逐步向开发者开放。
• OpenAI 宣布 Sora 模型，可制作长达一分钟的视频，尚未公开。

三月 

• X 公司预告发布 Grok 1.5 开源模型，即将引发业界关注。
• Anthropic 推出 Claude 3，性能超越 GPT-4（同尺寸比较）。
• Suno AI 发布 Suno v3，专注于音乐创作。

四月 

• Stability AI 更新 Stable Audio 2.0，音乐创作领域迎来新突破。
• X 公司 发布 Grok-1.5V，集成高级图像识别功能，表现卓越。
• Mistral 开源 Mixtral 8x22B，开源界最强大模型之一，经济实惠。
• Meta 开源 LLaMA 3，包括 8B 和 70B 版本，预计后续发布更大模型。
• 微软 开源 Phi-3-mini，可在移动设备上运行，功能类似 GPT-3.5。
• Adobe 推出 Firefly 3，图像创建领域新成员。
• Reka AI 推出多模态语言模型系列，处理视频、音频和图像。
• 苹果 以 OpenELM 名义开源小型语言模型系列，参数范围从 2.7 亿到 30 亿。

五月 

• OpenAI 发布 GPT-4o，具备完整多模态功能，响应迅速，多语言支持。
• Google 宣布多项 AI 功能升级，包括 Gemini Flash 1.5、Imagen 3、Music AI 和 Veo，以及多模式功能 Astra。
• 微软 推出 **Copilot+**，通过屏幕截图搜索用户历史，同时开源 Phi-3 系列小型、功能强大的模型。
• Meta 推出 Chameleon，无缝呈现文本和图像的新型多模式模型。
• Suno AI 更新 Suno v3.5，音乐创作再升级。

六月 

• Stability AI 更新 Stable Diffusion 3，中等版本达 2B 参数。
• 苹果 宣布 Apple Intelligence，集成不同规模 AI 模型执行多样任务。
• DeepSeekAI 发布 DeepSeekCoderV2，编码能力显著。
• Runway 推出 Gen3 Alpha，视频生成新模型。
• Anthropic 发布 Claude Sonnet 3.5，性能更优，资源占用更低。
• 微软 开源 Florence 2 图像识别模型系列。
• Google 推出 Gemma 2，参数分别为 9B 和 27B，开放更大上下文窗口。

七月 

• OpenAI 发布 GPT-4o mini，低成本高性能。
• Meta 开源 Llama 3.1，包括 8B、70B 和 405B 版本。
• Mistral AI 发布 Codestral Mamba、Mistral NeMo 和 Mathstral，专注编码和数学。
• DeepMind 发布 AlphaProof 和 AlphaGeometry 2，在国际数学奥林匹克获银牌。
• OpenAI 推出 SearchGPT，集成网络搜索功能。
• Mistral AI 发布 Mistral Large 2，功能接近封闭 SOTA 模型。
• Google 开源 Gemma 2 2B，展现出色能力。

八月 

• 黑森林实验室 发布 Flux，图像生成性能优越。
• OpenAI 更新 GPT-4o 0806，JSON 输出成功率 100%。
• xAI 推出 Grok 2 和 Grok 2 mini，性能领先。
• 微软 推出 Phi 3.5 小型语言模型系列，性能出色。
• Google 推出 Gemini 1.5 Flash8B、Gemini 1.5 Pro Enhanced 和 Gemini 1.5 Flash Update。
• Ideogram 2.0 发布，图像生成能力领先。
• Luma 推出 Dream Machine 1.5，视频创作新选择。

九月 

• Mistral 推出 Pixtral12B，首个同时处理图像和文本的多模式模型。
• OpenAI 向订阅用户发布 o1 preview 和 o1 mini，性能显著提升。
• 阿里巴巴 发布 Qwen 2.5，大小从 0.5B 到 72B 不等，能力出众。
• 视频生成模型KLING 1.5 发布。
• Meta 推出 Llama 3.2，首次具备图像识别功能。
• Google 更新 Gemini Pro 1.5 002 和 Gemini Flash 1.5 002，长上下文处理显著改进。
• Kyutai 发布 Moshi，开源语音到语音模型。
• 谷歌 更新 NotebookLM，支持用户创建播客。

十月 

• Flux 1.1 Pro 发布，图像创建功能高级。
• Meta 推出 Movie Gen，生成视频、图像和音频。
• Pika 发布视频模型 1.5 及“Pika 效果”。
• Adobe 宣布 Firefly Video。
• Rhymes AI 发布 Aria，开源多模式模型。
• Meta 发布 Meta Spirit LM，开源语音到语音语言模型。
• Mistral AI 推出 Ministral，新小型模型系列。
• Janus AI 由 DeepSeekAI 开源，多模态语言模型。
• DeepMind 和 麻省理工学院 推出 Fluid，文本到图像生成模型，性能领先。
• Stable Diffusion 3.5 开源发布。
• Anthropic 推出 Claude 3.5 Sonnet New 和 Claude 3.5 Haiku。
• OpenAI 推出 Search GPT，平台内网络搜索。

十一月 

• 阿里巴巴 发布 QwQ 32B Preview，集成推理能力，与 o1-preview 竞争。
• 阿里巴巴 开源 Qwen2.5 Coder 32B，编码领域领先。
• DeepSeek 推出 DeepSeek-R1-Lite-Preview，推理能力强，性能优越。
• Suno 升级 AIpowered 音乐生成器至 v4。
• Mistral AI 推出 Pixtral Large，图像识别和高级性能指标出众。
• 谷歌 推出 gemini-exp-1114 和 gemini-exp-1121，竞技场聊天机器人领先。
• Anthropic 推出 Claude 3.5 Haiku 和 Visual PDF Analysis。

十二月 

• 亚马逊 推出 NOVA 系列模型，支持文本、图像和视频处理。
• OpenAI 发布 SORA 视频生成模型，及 O1 和 O1 Pro 完整版，还有 GPT4o 直播视频模式。
• 谷歌 推出 Gemini-Exp-1206，聊天机器人排行榜领先。
• Google 发布 Gemini 2.0 Flash 测试版，性能领先，内置图像生成功能。
• 谷歌 推出 Gemini-2.0-Flash-Thinking，思维模型，聊天机器人排行榜第二。
• 谷歌 发布 Veo 2 测试版视频生成模型，4K 视频生成能力强。
• xAI 集成 Aurora，高质量图像生成新模型。
• 微软 开源 Phi4，14B 参数，功能强大。
• Meta 发布 Llama 3.3 70B，性能与 Llama 3.1 405B 相当。
• 谷歌 推出 PaliGemma 2，多模式开源模型，与 Gemma 集成。
• Pika Labs 发布 2.0 版本视频生成器。
• Meta 推出 Apollo，视频生成模型系列。
• Deepseek 开源 Deepseek V3，671B 参数，超越闭源 SOTA 模型。
• 阿里巴巴 发布 QVQ-72B-Preview，前沿思维模型，图像分析能力强。
• OpenAI 宣布 O3，性能突破，多项基准测试领先，预计 2025 年 1 月推出 O3 Mini。