24 de mayo de 2025 Veo 3 permite un control de vídeo de segundo nivel, se lanza al mismo tiempo en la plataforma Gemini Pro de EE.UU. y suscita debates en la calle sobre el mundo de la simulación. La arquitectura iRoPE para Llama 4 mejora drásticamente el procesamiento de contextos largos a más de 10M. ChatGPT añade una función de selector de modelos que mejora la flexibilidad de personalización de los GPT. MistralAI MistralAI lanzó Devstral, un modelo de codificación de código abierto de alto rendimiento, y Meta, una arquitectura de capas de memoria entrenable que mejora significativamente el rendimiento de los modelos lingüísticos de gran tamaño. Además, se lanzó oficialmente Gemini 3, que aporta numerosas mejoras de rendimiento y nuevas funciones.
- Este resumen lo genera la IA analizando el contenido del artículo con fines meramente informativos.
¡¡¡Caramba!!! La Veo 3 puede ser controlada con precisión por el segundo ！！！！ ¡¡¡Que más moto!!! ¡¡¡Amigos que hacen época!!!
Recientemente, el equipo de ZH3O ha publicado un vídeo de prueba de la Veo 3, en el que se demuestra su capacidad para ejecutar órdenes con precisión en distintos periodos de tiempo. Este avance tecnológico no solo mejora la flexibilidad de la creación de contenidos, sino que también proporciona a los creadores una precisión de control sin precedentes.
Aquí están los resultados de la prueba:
- 0-3s: Lucha (✅)
- 4s: fotograma congelado (✅)
- 5-6s: Regreso en el tiempo (✅)
- 7s: giro + previsión (❌)
- 8s: lluvia + ir + texto (✅)
Esta función de Veo 3 permite a los creadores controlar cada movimiento y escena con mucho más detalle, lo que mejora enormemente la presentación de los efectos visuales. La realización de este control segundo a segundo es un buen augurio para el futuro de la producción de vídeo, que será aún más eficiente y de mayor calidad.
Si desea información más detallada, visitehttps://t.co/uuP3d1iTis
---
Hace poco pensé en la elección del mecanismo de atención. Cuando se utiliza la atención fragmentada (chunked attention), el campo sensorial no se amplía al aumentar la profundidad, lo que significa que la 8192ª ficha no puede comunicarse con la 8193ª.
Esto me recuerda algunas investigaciones anteriores que comparaban diversos mecanismos de atención, incluida la atención local, que en realidad es atención fragmentada. Esta atención fragmentada facilita la escritura de código paralelizado cuando se realiza un procesamiento paralelo contextual.
Llama 4 La última versión de iRoPE ha logrado avances significativos en este ámbito. Su longitud de contexto multimodal 10M+ (más de 20 horas de vídeo), líder del sector, supone un gran avance. La arquitectura iRoPE ("i" significa capas intercaladas, infinitas) desempeña un papel importante en la consecución del objetivo de contexto infinito a largo plazo.
La arquitectura resuelve el problema del contexto largo de la siguiente manera:
- La atención fragmentada localmente paralelizable modela sólo contextos cortos (por ejemplo, 8K).
- La capa de atención global, por su parte, se encarga de modelar contextos largos (por ejemplo, >8K) sin utilizar la incrustación posicional, lo que mejora la extrapolación. La longitud máxima de entrenamiento es de 256K.
Para compensar el aplanamiento de los pesos de atención a medida que aumenta el contexto, aplicamos un escalado de temperatura de la inferencia en la capa global para mejorar la inferencia de largo alcance manteniendo el rendimiento para contextos cortos (por ejemplo, 8K):
xq *= 1 + log(floor(i / α) + 1) * β # i = índice de localización
Creemos en la importancia de la investigación abierta y compartiremos más detalles técnicos a través de podcast en un futuro próximo.
---
Buenas noticias: Veo 3 ya está disponible para los usuarios de Gemini Pro en Estados Unidos.
Esta actualización supone una nueva ampliación de Veo 3 en la plataforma Gemini, proporcionando funciones más potentes y una mejor experiencia de uso para los usuarios profesionales.Veo 3 es una herramienta diseñada para que los usuarios profesionales mejoren sus capacidades de tratamiento, análisis y visualización de datos.
Las características clave incluyen:
- Mayor capacidad de tratamiento de datos para soportar conjuntos de datos más complejos.
- Herramientas analíticas más avanzadas para ayudar a los usuarios a descubrir rápidamente información clave en sus datos.
- Interfaz de visualización intuitiva para una presentación clara y comprensible de los datos
Además, Veo 3 ofrece una amplia gama de opciones de personalización, lo que permite a los usuarios personalizar su configuración para adaptarla a sus necesidades.Los usuarios de Gemini Pro pueden garantizar una transición sin problemas a la nueva versión consultando el registro de cambios detallado y la guía de instalación en el sitio web de Gemini.
Con el lanzamiento de Veo 3, Gemini sigue consolidando su posición de líder en análisis de datos, ofreciendo soluciones más eficaces e inteligentes para los usuarios profesionales.
---
El frenético vídeo de entrevistas callejeras de Veo 3 revela la confusión entre el mundo real y el virtual.
Con el avance de la tecnología, especialmente la inteligencia artificial y la simulación profunda, a los seres humanos nos resulta difícil distinguir entre lo real y lo virtual. Este fenómeno ha suscitado un amplio debate, y muchos han empezado a preguntarse si el mundo en que vivimos es también un entorno altamente simulado.
El mundo humano está muy modelizado.Hay razones para creer que podemos estar viviendo en una simulación multinivel. Esta teoría "anidada" de la simulación propone que el mundo en que vivimos puede ser el resultado de simulaciones de inteligencias de nivel superior en las que, además, creamos nuevos mundos virtuales.
Esta idea no sólo se refleja en la ciencia ficción, sino que también ha atraído mucha atención en los campos de la filosofía y la ciencia. Por ejemplo, la "hipótesis de la simulación" de Nick Bostrom sugiere que si una civilización fuera capaz de alcanzar un nivel tecnológico lo suficientemente alto, podría ser capaz de crear un gran número de mundos simulados, con lo que la probabilidad de que vivamos en una simulación sería muy alta.
Los vídeos de entrevistas callejeras de Veo 3 muestran las opiniones y reacciones del público en general ante estas complejas cuestiones, provocando más reflexiones sobre la naturaleza de la realidad.
---
Ya está disponible la última versión de la aplicación web ChatGPT, con nuevasselector de modelopara ofrecer más flexibilidad a los usuarios. Esta actualización permite a los usuarios seleccionar distintos modelos de idioma para los GPT personalizados.Para los GPT con operaciones de red personalizadas, actualmente sólo se admiten los modelos GPT-4 y GPT-4.1. Si el GPT del usuario no tiene una operación personalizada, se puede seleccionar cualquiera de los modelos disponibles.
La actualización pretende mejorar la experiencia del usuario con más opciones de personalización. Al seleccionar distintos modelos, los usuarios pueden ajustar el estilo y la calidad del contenido generado en función de sus necesidades específicas. Por ejemplo, GPT-4 es adecuado para tareas que requieren una gran precisión y un razonamiento complejo, mientras que GPT-4.1 rinde mejor en el manejo de ciertas tareas específicas.
Esta función es especialmente adecuada para desarrolladores y creadores de contenidos, que pueden utilizar estos modelos avanzados para crear aplicaciones y servicios más inteligentes y personalizados.
---
Hace poco.MistralAIUn modelo de codificación compacto y potenteDevstralEl modelo es capaz de funcionar eficientemente con 24 GB de memoria de vídeo.
Este modelo tiene una excelente capacidad de generación de código, resuelve problemas reales de GitHub y se integra perfectamente en marcos de agentes de código. En términos de rendimiento.DevstralSupera con creces a otros modelos de código abierto, demostrando una potencia de procesamiento y una estabilidad superiores.
- Excelente rendimiento:Supera con creces a los modelos de código abierto comparables.
- Muy utilizado:Para tarjetas gráficas RTX 4090 individuales o Mac con 32 GB de RAM, ideal para implementaciones locales y uso empresarial.
- Fuente abierta:Utiliza la licencia Apache 2.0, lo que permite a la comunidad construir y personalizar libremente.
Esta revolucionaria tecnología no sólo proporciona a los desarrolladores potentes herramientas, sino que también abre nuevas posibilidades para la aplicación de la IA en el desarrollo de software.
A medida que más y más empresas y desarrolladores empiezan a centrarse en la automatización y las herramientas inteligentes, laDevstralPromete ser una parte importante del futuro desarrollo de software.
---
El lanzamiento oficial de Gemini 3 ha generado un gran interés por la serie Gemini, conocida desde hace tiempo por sus capacidades superiores de procesamiento del lenguaje natural y multitarea.
El lanzamiento de Gemini 3 no sólo ofrece importantes mejoras de rendimiento, sino que también introduce una serie de nuevas funciones. Gemini 3 es capaz de comprender y responder mejor a las necesidades de los usuarios y ofrecer un servicio más personalizado.
Los aspectos más destacados son:
- mejor comprensión del lenguaje natural
- Multitarea más eficaz
- Mejora de la fluidez del diálogo
- Escenarios de aplicación más diversos
El lanzamiento de Gemini 3 marca otro gran salto en la tecnología de asistentes de IA y se espera que desempeñe un papel importante en varias industrias y sectores.
---
Los investigadores de Meta han introducido una nueva arquitectura que mejora el rendimiento de los grandes modelos lingüísticos (LLM) añadiendo capas de memoria entrenables. Estas capas de memoria pueden almacenar y recuperar eficazmente información factual relevante sin un aumento significativo del cálculo.
El equipo diseñó la estructura de claves de memoria como una combinación de "medias claves" más pequeñas, lo que aumentó significativamente la capacidad de memoria y mantuvo la eficiencia del sistema. En las pruebas, los LLM equipados con esta capa de memoria superaron a los modelos no modificados en varias pruebas comparativas, a pesar de que utilizaron muchos menos datos de entrenamiento.
Este enfoque innovador no sólo mejora la eficiencia del modelo, sino que amplía sus escenarios de aplicación, por ejemplo, en tareas intensivas en conocimiento. Esto es de gran importancia para dominios que necesitan procesar grandes cantidades de información factual, como la comprensión del lenguaje natural y los sistemas inteligentes de preguntas y respuestas.
---
En Google I/O 2025, la API Gemini recibió una serie de actualizaciones importantes que refuerzan aún más su liderazgo en la plataforma de inteligencia multimodal.
Esta actualización incluye:
- El nuevo modelo, con funciones de voz mejoradas, admite más de 24 idiomas, lo que amplía enormemente su gama de aplicaciones.
- La función de generación de música en tiempo real abre nuevas posibilidades en el campo de la creación musical y el entretenimiento.
- Las mejoras en la entrada multimodal, especialmente en la comprensión de vídeo, hacen que Gemini sea más eficiente en el procesamiento de información visual compleja.
- Las herramientas para desarrolladores y las actualizaciones de la estructura de la API, como los resúmenes de ideas, los controles del navegador y las llamadas a funciones asíncronas, mejoran notablemente la experiencia de los desarrolladores.
- Proporcionar a los desarrolladores un acceso más eficaz y rentable a los modelos, como las API por lotes, reduce el coste de las implantaciones a gran escala.
La API Gemini ha evolucionado gradualmente hasta convertirse en una completa plataforma de inteligencia multimodal para una amplia gama de escenarios, desde la generación de código hasta el diálogo de audio, y desde la extracción de información de páginas web hasta el control de operaciones del navegador. Junto con Google AI Studio, los desarrolladores pueden crear rápidamente prototipos y pruebas, crear agentes inteligentes disponibles en el mercado e integrar voz, vídeo, imágenes y otros métodos de entrada y salida.
escenario de aplicaciónEntre otros:
- Sistema inteligente de atención al cliente para una atención globalizada mediante soporte multilingüe y un eficaz reconocimiento de voz.
- La generación de contenidos creativos, mediante la generación de música en tiempo real y el procesamiento de entradas multimodales, proporciona a los usuarios una rica experiencia multimedia.
- Los flujos de trabajo automatizados, combinados con la programación de herramientas y las interfaces de control automatizadas, mejoran la eficacia operativa de su empresa.
Estas actualizaciones no sólo mejoran la API Gemini, sino que también ofrecen a los desarrolladores más oportunidades para innovar.
---
El objetivo de II-Agent es construir el que probablemente sea el mejor agente inteligente del mundo y hacerlo de código abierto. Esta apertura no sólo contribuirá al avance de la tecnología de IA, sino que también permitirá que más desarrolladores e investigadores se involucren y trabajen juntos para hacer avanzar la inteligencia humana en su conjunto.
La misión de II es mejorar la inteligencia humana, y II-Agent, como parte de su última construcción, está diseñado para ser un componente clave de ese objetivo. Alcanzará o superará los niveles de referencia existentes en materia de agentes inteligentes gracias a su tecnología de primera categoría y sus innovadoras funciones.
A continuación se presentan algunas mejoras y sugerencias de nuevas funciones para II-Agent:
- Procesamiento mejorado del lenguaje natural para un diálogo más fluido y natural.
- Integrar más escenarios de aplicación práctica, como la atención al cliente, el asesoramiento educativo, etc.
- Optimice los mecanismos de autoaprendizaje y adaptación para destacar en distintos entornos y tareas.
Gracias a estas mejoras, II-Agent no sólo servirá mejor a los usuarios, sino que también aportará un gran valor a toda la sociedad. En definitiva, todo el mundo saldrá beneficiado.
评论功能已关闭。