炸场KDD!国产首个实时视频交互的功能面世,GLM-4-Plus等多个模型同步发布!

文摘   2024-08-30 10:36   新加坡  

点击蓝字

关注我们

AI TIME欢迎每一位AI爱好者的加入!



在昨天的 KDD 国际数据挖掘与知识发现大会上,智谱团队介绍了新一代基座大模型GLM-4-Plus,并且重磅发布了国产首个和“高情商AI”实时交互的「视频通话」功能(更新在智谱清言App,点击阅读原文可以抢先体验)。GLM-4-Plus 是智谱全自研 GLM 大模型的最新版本,它标志着智谱继续瞄准通用人工智能,持续推进大模型技术的独立自主创新。

视频通话功能展示,具体可参考下方视频

主要更新:

  • 语言基座模型 GLM-4-Plus:在语言理解、指令遵循、长文本处理等方面性能得到全面提升,保持了国际领先水平。

  • 文生图模型 CogView-3-Plus:具备与当前最优的 MJ-V6 和 FLUX 等模型接近的性能。

  • 图像/视频理解模型 GLM-4V-Plus:具备卓越的图像理解能力,并具备基于时间感知的视频理解能力。该模型将上线开放平台( bigmodel.cn ),并成为国内首个通用视频理解模型 API 。

  • 视频生成模型 CogVideoX:在发布并开源 2B 版本后,5B 版本也正式开源,其性能进一步增强,是当前开源视频生成模型中的最佳选择。

  • 智谱开源模型累计下载量已突破 2000 万次,为开源社区的发展做出了重要贡献。


01

最新基座大模型 GLM-4-Plus上线


GLM-4-Plus 使用了大量模型辅助构造高质量合成数据以提升模型性能;利用 PPO 有效有效提升模型推理(数学、代码算法题等)表现,更好反应人类偏好。

下面是 benchmark 对比:

语言文本能力方面,GLM-4-Plus 和 GPT-4o 及 405B 参数量的 Llama3.1 相当。

Language capabilities

LCB: LiveCodeBench

NCB: NaturalCodeBench

* represents reproduced results


长文本能力比肩国际先进水平。通过更精准的长短文本数据混合策略,取得了更强的长文本的推理效果。

Long Context evaluation


GLM-4V-Plus 在图像和视频理解能力方面位居前列。GLM-4V-Plus 还可以理解网页内容,并将其转换为 html 代码。

Vision capabilities 

GLM-4V-Plus 能够理解并分析复杂的视频内容,同时具备时间感知能力。上线开放平台后,将提供国内首个通用视频理解模型 API 。

Video analysis

视频理解示例:

【视频总结能力】+【推理能力】+【多轮对话】+【时间问答能力】

  • 用户:这个穿绿色衣服的球员在整个视频都做了什么?

  • GLM-4V-Plus:在整个视频中,穿绿色衣服的球员在场上运球,然后跳起将球投入篮筐。

  • 用户:这个视频的精彩时刻是什么?发生在第几秒?

  • GLM-4V-Plus:这个视频的精彩时刻发生在第4秒,当时穿绿色衣服的球员跳起并将球投入篮筐。


文生图模型迎来最新版本CogView-3-Plus,其效果接近目前最佳的 MJ-V6 及 FLUX 等模型,并支持图片编辑功能。




图片示例:

GLM-4-Plus 现已在智谱大模型开放平台 bigmodel.cn 部署,开发者即日起就能通过 API 方式调用这一智谱最新基座大模型。


02

清言 app 迎来重要更新

全新的“视频通话”功能来了!


智谱很高兴宣布清言 app 迎来“视频通话”功能,这也是国内首个面向 C 端开放的视频通话功能。

清言作为第一批 C 端上线的大模型产品,过去的一年,常常以文字和语音的形式和大家交流。但从今天起,清言也有了眼睛,解锁了 AI 新体验。

清言视频通话跨越了文本模态、音频模态和视频模态,并具备实时推理的能力。现在,用户拨打清言的视频通话窗口,即可与它进行流畅通话,即便频繁打断它也能迅速反应。只要打开摄像头,我们看到的画面,清言也可以看到同时可以听懂指令并准确执行。这样的体验就如同和真人视频通话一样。

清言 app 视频通话功能将于8 月 30 日上线,首批面向清言部分用户开放,同时开放外部申请。我们会持续迭代并逐步放开规模,尽快让全员都可以使用。

“视频通话”功能 demo:


随着视频通话功能的加入,清言 app 成为首个可以通过文本、音频、视频和图像来进行多模态互动的 AI 助手。

扫描下方二维码申请,抢先体验清言 app “视频通话”功能~



03

CogVideoX-5B 开源 

GLM-4-Flash 免费


智谱一如既往推动 AI 普惠。

继 CogVideoX 2B 版本开源后,5B 版本也于昨日正式开源,性能更强,推理显存需求最低仅为 11.4 GB。同时 CogVideoX-2B 的开源协议调整为更加开放的 Apache 2.0 协议,任何企业与个人均可自由使用。随着 CogVideoX-5B 的开源,智谱不仅在开源模型数量上领先,累计下载量也突破 2000 万次智谱以实际行动为国际开源社区做出自己应有贡献。

随着技术进步、效率提升和成本优化,智谱很高兴宣布大模型开放平台 bigmodel.cn 最具性价比的大模型,GLM-4-Flash 现已完全免费,用户可以通过调用 GLM-4-Flash 快速、免费地构建你的专属模型和应用。这也是智谱开放平台首个完全免费的大模型 API 。

04

专注于大模型的中国创新


最新推出的基座大模型,和此前发布的 CogVideoX 等模型一道,完善了智谱自主原创的全栈大模型谱系,推动智谱实现面向世界先进水平的全面对标。

视频通话功能是清言 app 继 7 月上线生成视频功能清影 Ying 后又一重大更新。通过小步快走持续迭代,智谱努力让大模型技术更好赋能更多用户。

随着开源模型和开放平台模型的广受欢迎,智谱也将继续推动 AI 力量惠及更多人群。通过大模型链接物理世界亿级用户,智谱致力于为千行百业带来持续创新与变革,加速迈向通用人工智能时代。

点击 阅读原文 申请「视频通话」体验


往期精彩文章推荐




 关于AI TIME 


AI TIME源起于2019年,旨在发扬科学思辨精神,邀请各界人士对人工智能理论、算法和场景应用的本质问题进行探索,加强思想碰撞,链接全球AI学者、行业专家和爱好者,希望以辩论的形式,探讨人工智能和人类未来之间的矛盾,探索人工智能领域的未来。


迄今为止,AI TIME已经邀请了1800多位海内外讲者,举办了逾600场活动,超700万人次观看。

 

我知道你

在看


提出观点,表达想法,欢迎

留言


点击 阅读原文 申请「视频通话」体验

AI TIME 论道
AI TIME是一群关注人工智能发展,并有思想情怀的青年学者创办的圈子,旨在发扬科学思辨精神,邀请各界人士对人工智能理论、算法和场景应用的本质问题进行探索,链接全球AI学者,以辩论的形式探讨人工智能领域的未来。
 最新文章