24.5.2025 AI Express | Was gibt es Neues bei AI: Ein Überblick über Veo 3 Precision Control und Multi-Model Updates

Verdammt!!! Der Veo 3 lässt sich über die zweite ！！！！ präzise steuern. Was mehr Fahrrad!!! Epoche machende Freunde!!!

Kürzlich hat das ZH3O-Team ein Testvideo des Veo 3 veröffentlicht, in dem es seine Fähigkeit demonstriert, Befehle über verschiedene Zeiträume hinweg präzise auszuführen. Dieser technologische Durchbruch erhöht nicht nur die Flexibilität bei der Erstellung von Inhalten, sondern bietet den Machern auch eine noch nie dagewesene Steuerungspräzision.

Hier sind die Testergebnisse:

1. 0-3s: Kämpfen (✅)
2. 4s: Standbild (✅)
3. 5-6s: Zurück in der Zeit (✅)
4. 7s: Wende + Voraussicht (❌)
5. 8s: Regen + gehen + Text (✅)

Diese Funktion von Veo 3 ermöglicht es den Machern, jede Bewegung und jede Szene bis ins kleinste Detail zu kontrollieren, was die Darstellung von visuellen Effekten erheblich verbessert. Die Realisierung dieser sekundengenauen Kontrolle ist ein gutes Omen für die Zukunft der Videoproduktion, die noch effizienter und hochwertiger sein wird.

Ausführlichere Informationen finden Sie im Internet:https://t.co/uuP3d1iTis

Vor kurzem habe ich über die Wahl des Mechanismus der Aufmerksamkeit nachgedacht. Bei der Verwendung von gebündelter Aufmerksamkeit (Chunked Attention) dehnt sich das sensorische Feld nicht mit zunehmender Tiefe aus, was bedeutet, dass das 8192te Token nicht mit dem 8193ten Token kommunizieren kann.

Dies erinnert mich an einige frühere Forschungsarbeiten, in denen verschiedene Aufmerksamkeitsmechanismen verglichen wurden, darunter auch die lokale Aufmerksamkeit, die in Wirklichkeit eine gebündelte Aufmerksamkeit ist. Diese gebündelte Aufmerksamkeit erleichtert das Schreiben von parallelisiertem Code bei der kontextuellen Parallelverarbeitung.

Lama 4 Die neueste Version von iRoPE hat in diesem Bereich erhebliche Fortschritte gemacht. Die branchenweit führende multimodale Kontextlänge von 10M+ (über 20 Stunden Video) ist ein großer Durchbruch. Die iRoPE-Architektur ("i" steht für interleaved layers, unendlich) spielt eine wichtige Rolle bei der Erreichung des Ziels eines langfristigen unendlichen Kontexts.

Die Architektur löst das Problem des langen Kontextes auf folgende Weise:

• Lokal parallelisierbare Chunked Attention modelliert nur kurze Kontexte (z.B. 8K).
• Die globale Aufmerksamkeitsschicht hingegen ist für die Modellierung langer Kontexte (z.B. >8K) ohne Positionseinbettung zuständig, was die Extrapolation verbessert. Die maximale Trainingslänge beträgt 256K.

Um die Abflachung der Aufmerksamkeitsgewichte mit zunehmendem Kontext zu kompensieren, wenden wir eine Temperaturskalierung der Inferenz auf der globalen Ebene an, um die Inferenz für große Entfernungen zu verbessern, während die Leistung für kurze Kontexte (z. B. 8K) erhalten bleibt:

xq *= 1 + log(floor(i / α) + 1) * β # i = Ortsindex

Wir glauben an die Bedeutung einer offenen Forschung und werden in naher Zukunft weitere technische Details per Podcast mitteilen.

Gute Nachrichten: Veo 3 wird jetzt auch für Gemini Pro Nutzer in den USA eingeführt.

Dieses Update stellt eine weitere Erweiterung von Veo 3 auf der Gemini-Plattform dar und bietet leistungsstärkere Funktionen und eine bessere Benutzererfahrung für professionelle Anwender.Veo 3 ist ein Werkzeug, das für professionelle Anwender entwickelt wurde, um ihre Fähigkeiten in der Datenverarbeitung, Analyse und Visualisierung zu verbessern.

Die wichtigsten Merkmale sind:

• Verbesserte Datenverarbeitungsfunktionen zur Unterstützung komplexerer Datensätze
• Fortschrittlichere Analysewerkzeuge, die den Nutzern helfen, wichtige Informationen in ihren Daten schnell zu finden
• Intuitive Visualisierungsoberfläche für eine klare und verständliche Datendarstellung

Darüber hinaus bietet Veo 3 eine Reihe von Anpassungsoptionen, die es dem Nutzer ermöglichen, seine Einstellungen nach seinen Bedürfnissen zu personalisieren. Gemini Pro Nutzer können einen reibungslosen Übergang zur neuen Version sicherstellen, indem sie sich das detaillierte Changelog und die Installationsanleitung auf der Gemini Website ansehen.

Mit der Einführung von Veo 3 festigt Gemini seine Position als Marktführer im Bereich der Datenanalyse und bietet effizientere und intelligentere Lösungen für professionelle Anwender.

Das hektische Straßeninterview-Video von Veo 3 offenbart die Verwirrung zwischen der realen und der virtuellen Welt.

Mit dem Fortschritt der Technologie, insbesondere der künstlichen Intelligenz und dem Deep Faking, ist es für den Menschen schwierig geworden, zwischen dem Realen und dem Virtuellen zu unterscheiden. Dieses Phänomen hat eine breite Diskussion ausgelöst, und viele haben begonnen, sich zu fragen, ob die Welt, in der wir leben, nicht auch eine stark simulierte Umgebung ist.

Die menschliche Welt wurde in hohem Maße modelliert.Es gibt Grund zu der Annahme, dass wir möglicherweise in einer mehrstufigen Simulation leben. Diese "verschachtelte" Simulationstheorie besagt, dass die Welt, in der wir leben, das Ergebnis von Simulationen höherer Intelligenzen sein könnte, in denen wir wiederum neue virtuelle Welten erschaffen.

Dieser Gedanke spiegelt sich nicht nur in der Science-Fiction wider, sondern hat auch in der Philosophie und Wissenschaft große Aufmerksamkeit erregt. Nick Bostroms "Simulationshypothese" beispielsweise besagt, dass eine Zivilisation, die ein ausreichend hohes technisches Niveau erreicht hat, in der Lage sein könnte, eine große Anzahl simulierter Welten zu schaffen, wodurch die Wahrscheinlichkeit, dass wir in einer Simulation leben, sehr hoch ist.

Die Straßeninterview-Videos von Veo 3 zeigen die Ansichten und Reaktionen der Öffentlichkeit auf diese komplexen Themen und regen zum Nachdenken über die Natur der Realität an.

Die neueste Version der ChatGPT Web-App ist jetzt live, mit neuenModellselektorFunktion, um den Benutzern mehr Flexibilität zu bieten. Mit diesem Update können Benutzer verschiedene Sprachmodelle für benutzerdefinierte GPTs auswählen.Für GPTs mit kundenspezifischem Netzbetrieb werden derzeit nur die Modelle GPT-4 und GPT-4.1 unterstützt. Verfügt das GPT des Benutzers über keine benutzerdefinierte Funktion, kann eines der verfügbaren Modelle ausgewählt werden.

Das Update zielt darauf ab, die Nutzererfahrung durch mehr Anpassungsmöglichkeiten zu verbessern. Durch die Auswahl verschiedener Modelle können die Nutzer den Stil und die Qualität der generierten Inhalte an ihre spezifischen Bedürfnisse anpassen. So eignet sich beispielsweise GPT-4 für Aufgaben, die eine hohe Präzision und komplexe Schlussfolgerungen erfordern, während GPT-4.1 bei der Bewältigung bestimmter spezifischer Aufgaben besser abschneidet.

Diese Funktion eignet sich besonders für Entwickler und Inhaltsersteller, die diese fortschrittlichen Modelle nutzen können, um intelligentere, personalisierte Anwendungen und Dienste zu erstellen.

Kürzlich.MistralAIAnkündigung eines kompakten und leistungsstarken KodierungsmodellsDevstralDas Modell ist in der Lage, mit 24 GB Videospeicher effizient zu arbeiten.

Dieses Modell verfügt über hervorragende Codegenerierungsfunktionen, löst echte GitHub-Probleme und lässt sich nahtlos in Code-Agent-Frameworks integrieren. In Bezug auf die Leistung.DevstralDeutlich bessere Leistung als andere Open-Source-Modelle, die sich durch überlegene Verarbeitungsleistung und Stabilität auszeichnen.

• Ausgezeichnete Leistung:Deutlich bessere Leistung als vergleichbare Open-Source-Modelle.
• Weit verbreitet:Für einzelne RTX 4090-Grafikkarten oder Macs mit 32 GB RAM, ideal für lokale Implementierungen und den Einsatz in Unternehmen.
• Offene Quelle Offen:Verwendet die Apache 2.0-Lizenz, die es der Gemeinschaft ermöglicht, frei zu bauen und anzupassen.

Diese bahnbrechende Technologie gibt Entwicklern nicht nur leistungsstarke Tools an die Hand, sondern eröffnet auch neue Möglichkeiten für die Anwendung von KI in der Softwareentwicklung.

Da immer mehr Unternehmen und Entwickler auf Automatisierung und intelligente Tools setzen, wird dieDevstralverspricht, ein wichtiger Bestandteil der künftigen Softwareentwicklung zu werden.

Die offizielle Veröffentlichung von Gemini 3 hat ein großes Interesse an der Gemini-Serie geweckt, die seit langem für ihre überlegene natürliche Sprachverarbeitung und Multitasking-Fähigkeiten bekannt ist.

Gemini 3 bietet nicht nur erhebliche Leistungsverbesserungen, sondern führt auch eine Reihe neuer Funktionen ein. Dazu gehören ein leistungsfähigeres kontextbezogenes Verständnis, ein reibungsloseres Dialogerlebnis und eine breitere Palette von Anwendungsszenarien. Gemini 3 ist in der Lage, die Bedürfnisse der Nutzer besser zu verstehen und auf sie einzugehen und einen stärker personalisierten Dienst anzubieten.

Die wichtigsten Highlights sind:

• verbessertes natürliches Sprachverständnis
• Effizienteres Multitasking
• Verbesserte Dialogfähigkeit
• Vielfältigere Anwendungsszenarien

Die Veröffentlichung von Gemini 3 markiert einen weiteren großen Sprung in der KI-Assistententechnologie und wird voraussichtlich eine wichtige Rolle in verschiedenen Branchen und Sektoren spielen.

Meta-Forscher haben eine neue Architektur eingeführt, die die Leistung großer Sprachmodelle (LLM) durch Hinzufügen trainierbarer Speicherschichten verbessert. Diese Speicherschichten können relevante Sachinformationen effizient speichern und abrufen, ohne dass der Rechenaufwand erheblich steigt.

Das Team konzipierte die Speicherschlüsselstruktur als Kombination kleinerer "Halbschlüssel", wodurch die Speicherkapazität deutlich erhöht und das System effizient gehalten wurde. In Tests schnitten LLMs mit dieser Speicherschicht in mehreren Quiz-Benchmarks besser ab als unmodifizierte Modelle, obwohl sie viel weniger Trainingsdaten verwendeten.

Dieser innovative Ansatz verbessert nicht nur die Effizienz des Modells, sondern erweitert auch seine Anwendungsszenarien, z. B. bei wissensintensiven Aufgaben. Dies ist von großer Bedeutung für Bereiche, in denen große Mengen an faktischen Informationen verarbeitet werden müssen, wie z. B. beim Verstehen natürlicher Sprache und bei intelligenten Frage- und Antwortsystemen.

Auf der Google I/O 2025 erhielt die Gemini-API eine Reihe wichtiger Aktualisierungen, die ihre Führungsrolle bei der multimodalen Intelligenzplattform weiter ausbauen.

Dieses Update beinhaltet:

• Das neue Modell mit verbesserten Sprachfunktionen unterstützt mehr als 24 Sprachen und erweitert damit sein Anwendungsspektrum erheblich.
• Die Echtzeit-Musikerzeugungsfunktion eröffnet neue Möglichkeiten im Bereich der Musikgestaltung und Unterhaltung.
• Durch die Verbesserung der multimodalen Eingaben, insbesondere beim Verstehen von Videos, wird Gemini bei der Verarbeitung komplexer visueller Informationen noch effizienter.
• Entwickler-Tools und Aktualisierungen der API-Struktur, wie z. B. Zusammenfassungen von Gedanken, Browser-Steuerelemente und asynchrone Funktionsaufrufe, verbessern die Erfahrung der Entwickler erheblich.
• Die Bereitstellung eines effizienteren und kostengünstigeren Zugriffs auf Modelle für Entwickler, z. B. durch Batch-APIs, senkt die Kosten für groß angelegte Implementierungen.

Die Gemini-API hat sich nach und nach zu einer vollständigen multimodalen Intelligenzplattform für eine Vielzahl von Szenarien entwickelt, von der Codegenerierung bis zum Audiodialog und von der Extraktion von Webseiteninformationen bis zur Steuerung von Browserfunktionen. Zusammen mit Google AI Studio können Entwickler schnell Prototypen entwickeln und testen, kommerziell verfügbare intelligente Agenten erstellen und Sprache, Video, Bilder und andere Ein- und Ausgabemethoden integrieren.

AnwendungsszenarioEinschließlich, aber nicht beschränkt auf:

• Intelligentes Kundenservicesystem für einen globalisierten Kundenservice durch mehrsprachige Unterstützung und effiziente Spracherkennung.
• Die Erstellung kreativer Inhalte durch die Erzeugung von Musik in Echtzeit und die Verarbeitung multimodaler Eingaben bietet dem Nutzer ein reichhaltiges Multimedia-Erlebnis.
• Automatisierte Arbeitsabläufe, kombiniert mit Werkzeugplanung und automatisierten Kontrollschnittstellen, verbessern die betriebliche Effizienz Ihres Unternehmens.

Diese Updates verbessern nicht nur die Gemini-API, sondern bieten Entwicklern auch mehr Möglichkeiten für Innovationen.

Das Ziel von II-Agent ist es, den wahrscheinlich besten intelligenten Agenten der Welt zu entwickeln und ihn als Open Source zu veröffentlichen. Diese Offenheit wird nicht nur dazu beitragen, die KI-Technologie voranzubringen, sondern auch mehr Entwicklern und Forschern die Möglichkeit geben, sich einzubringen und zusammenzuarbeiten, um die menschliche Intelligenz als Ganzes voranzubringen.

II hat sich zum Ziel gesetzt, die menschliche Intelligenz zu verbessern, und II-Agent ist als Teil des neuesten Builds so konzipiert, dass er eine Schlüsselkomponente für dieses Ziel darstellt. Durch erstklassige Technologie und innovative Funktionen wird II-Agent die bestehenden Maßstäbe für intelligente Agenten erfüllen oder übertreffen.

Im Folgenden werden einige Verbesserungen und neue Funktionen für II-Agent vorgeschlagen:

• Verbesserte natürliche Sprachverarbeitung für einen flüssigeren und natürlicheren Dialog.
• Integration von mehr praktischen Anwendungsszenarien wie Kundendienst, Bildungsberatung usw.
• Optimierung von Selbstlern- und Anpassungsmechanismen, um in unterschiedlichen Umgebungen und Aufgaben hervorragende Leistungen zu erbringen.

Durch diese Verbesserungen wird II-Agent nicht nur seinen Nutzern besser dienen, sondern auch der Gesellschaft als Ganzes einen großen Nutzen bringen. Letztendlich werden alle davon profitieren.