24/05/2025 AI Express | Nouveautés en matière d'IA : Aperçu du contrôle de précision Veo 3 et des mises à jour multi-modèles

Bon sang !!! Le Veo 3 peut être contrôlé avec précision par le second ！！！！ Plus de vélo ! !! Des amis qui font l'époque !!!

Récemment, l'équipe de ZH3O a publié une vidéo de test du Veo 3, démontrant sa capacité à exécuter avec précision des commandes sur différentes périodes de temps. Cette avancée technologique améliore non seulement la flexibilité de la création de contenu, mais offre également aux créateurs une précision de contrôle sans précédent.

Voici les résultats des tests :

1. 0-3s : Combattre (✅)
2. 4s : arrêt sur image (✅)
3. 5-6s : Retour dans le temps (✅)
4. 7s : tourner + prévoir (❌)
5. 8s : rain + go + text (✅)

Cette fonction de Veo 3 permet aux créateurs de contrôler chaque mouvement et chaque scène de manière beaucoup plus fine, ce qui améliore considérablement la présentation des effets visuels. La réalisation de ce contrôle seconde par seconde est de bon augure pour l'avenir de la production vidéo, qui sera encore plus efficace et de meilleure qualité.

Pour de plus amples informations, veuillez consulter le sitehttps://t.co/uuP3d1iTis

Récemment, j'ai réfléchi au choix du mécanisme de l'attention. Lors de l'utilisation de l'attention fractionnée (chunked attention), le champ sensoriel ne s'élargit pas avec l'augmentation de la profondeur, ce qui signifie que le 8192e jeton ne peut pas communiquer avec le 8193e jeton.

Cela me rappelle certaines recherches antérieures qui comparaient une variété de mécanismes d'attention, y compris l'attention locale, qui est en fait une attention fragmentée. Cette attention fragmentée permet d'écrire plus facilement du code parallélisé lors d'un traitement parallèle contextuel.

Lama 4 La dernière version d'iRoPE a fait des progrès significatifs dans ce domaine. L'architecture iRoPE ("i" pour interleaved layers, infini) joue un rôle important dans la réalisation de l'objectif d'un contexte infini à long terme.

L'architecture résout le problème du contexte long de la manière suivante :

• L'attention en bloc localement parallélisable ne modélise que les contextes courts (par exemple, 8K).
• La couche d'attention globale, quant à elle, est chargée de modéliser les contextes longs (par exemple >8K) sans utiliser l'intégration positionnelle, ce qui améliore l'extrapolation. La longueur maximale de l'entraînement est de 256 000.

Pour compenser l'aplatissement des poids d'attention à mesure que le contexte augmente, nous appliquons une mise à l'échelle de la température de l'inférence à la couche globale afin d'améliorer l'inférence à longue distance tout en maintenant les performances pour les contextes courts (par exemple, 8K) :

xq *= 1 + log(floor(i / α) + 1) * β # i = indice de localisation

Nous croyons en l'importance de la recherche ouverte et nous partagerons plus de détails techniques par le biais d'un podcast dans un futur proche.

Bonne nouvelle : Veo 3 est désormais disponible pour les utilisateurs de Gemini Pro aux États-Unis.

Cette mise à jour marque une nouvelle extension de Veo 3 sur la plateforme Gemini, offrant des fonctionnalités plus puissantes et une meilleure expérience utilisateur pour les professionnels.Veo 3 est un outil conçu pour les utilisateurs professionnels afin d'améliorer leurs capacités de traitement, d'analyse et de visualisation des données.

Les principales caractéristiques sont les suivantes :

• Amélioration des capacités de traitement des données pour prendre en charge des ensembles de données plus complexes
• Des outils analytiques plus avancés pour aider les utilisateurs à découvrir rapidement des informations clés dans leurs données
• Interface de visualisation intuitive pour une présentation claire et compréhensible des données

Les utilisateurs de Gemini Pro peuvent s'assurer d'une transition en douceur vers la nouvelle version en consultant le changelog détaillé et le guide d'installation sur le site Web de Gemini.

Avec le lancement de Veo 3, Gemini continue de consolider sa position de leader dans le domaine de l'analyse de données, en offrant des solutions plus efficaces et plus intelligentes aux utilisateurs professionnels.

La vidéo de l'interview de Veo 3 dans la rue révèle la confusion entre les mondes réel et virtuel.

Avec les progrès de la technologie, en particulier de l'intelligence artificielle et de la simulation profonde, il est devenu difficile pour les humains de faire la distinction entre le réel et le virtuel. Ce phénomène a suscité de nombreuses discussions et beaucoup ont commencé à se demander si le monde dans lequel nous vivons n'est pas aussi un environnement hautement simulé.

Le monde humain a été fortement modélisé.Il y a des raisons de penser que nous vivons peut-être dans une simulation à plusieurs niveaux. Cette théorie "emboîtée" de la simulation propose que le monde dans lequel nous vivons soit le résultat de simulations d'intelligences supérieures dans lesquelles nous créons de nouveaux mondes virtuels.

Cette idée a suscité une grande attention non seulement dans la science-fiction, mais aussi dans la philosophie et la science. Par exemple, l'hypothèse de la simulation, proposée par Nick Bostrom, suggère que si une civilisation était capable d'atteindre un niveau technologique suffisamment élevé, elle pourrait être en mesure de créer un grand nombre de mondes simulés, ce qui rendrait la probabilité que nous vivions dans une simulation très élevée.

Les vidéos d'interviews de rue de Veo 3 montrent les points de vue et les réactions du grand public face à ces questions complexes, suscitant ainsi de nouvelles réflexions sur la nature de la réalité.

La dernière version de l'application web ChatGPT est maintenant en ligne, avec de nouvelles fonctionnalités.sélecteur de modèleCette mise à jour permet aux utilisateurs de sélectionner différents modèles de langues pour les GPT personnalisés. Cette mise à jour permet aux utilisateurs de sélectionner différents modèles linguistiques pour les GPT personnalisés.Pour les TPG avec des opérations de réseau personnalisées, seuls les modèles GPT-4 et GPT-4.1 sont actuellement pris en charge.. Si le TPG de l'utilisateur n'a pas d'opération personnalisée, n'importe lequel des modèles disponibles peut être sélectionné.

Cette mise à jour vise à améliorer l'expérience de l'utilisateur en lui offrant davantage d'options de personnalisation. En sélectionnant différents modèles, les utilisateurs peuvent ajuster le style et la qualité du contenu généré en fonction de leurs besoins spécifiques. Par exemple, le modèle GPT-4 est adapté aux tâches qui nécessitent une grande précision et un raisonnement complexe, tandis que le modèle GPT-4.1 est plus performant pour certaines tâches spécifiques.

Cette fonction est particulièrement adaptée aux développeurs et aux créateurs de contenu qui peuvent utiliser ces modèles avancés pour créer des applications et des services plus intelligents et plus personnalisés.

Récemment.MistralAIAnnonce d'un modèle de codage compact et puissantDevstralLe modèle peut fonctionner efficacement avec 24 Go de mémoire vidéo.

Ce modèle possède d'excellentes capacités de génération de code, résout des problèmes réels liés à GitHub et s'intègre de manière transparente dans les cadres d'agents de code. En termes de performances.DevstralSurpasse de manière significative les autres modèles open source, en démontrant une puissance de traitement et une stabilité supérieures.

• Excellente performance :Des performances nettement supérieures à celles des modèles open source comparables.
• Largement utilisé :Pour les cartes graphiques RTX 4090 simples ou les Mac avec 32 Go de RAM, idéal pour les déploiements locaux et l'utilisation en entreprise.
• Open Source Open :Utilise la licence Apache 2.0, permettant à la communauté de construire et de personnaliser librement.

Cette technologie révolutionnaire fournit non seulement aux développeurs des outils puissants, mais ouvre également de nouvelles possibilités pour l'application de l'IA dans le développement de logiciels.

Alors que de plus en plus d'entreprises et de développeurs commencent à se concentrer sur l'automatisation et les outils intelligents, le système de gestion de l'information de l'UE est en train d'évoluer.DevstralIl promet d'être un élément important du développement futur des logiciels.

La sortie officielle de Gemini 3 a suscité un grand intérêt pour la série Gemini, connue depuis longtemps pour ses capacités supérieures de traitement du langage naturel et ses capacités multitâches.

La version 3 de Gemini offre non seulement des améliorations significatives en termes de performances, mais elle introduit également un certain nombre de nouvelles fonctionnalités, notamment une compréhension contextuelle plus puissante, une expérience de dialogue plus fluide et un éventail plus large de scénarios d'application. Gemini 3 est capable de mieux comprendre les besoins des utilisateurs, d'y répondre et de fournir un service plus personnalisé.

Les points forts sont les suivants :

• compréhension améliorée du langage naturel
• Un multitâche plus efficace
• Amélioration de la fluidité du dialogue
• Des scénarios d'application plus variés

La sortie de Gemini 3 marque une nouvelle avancée majeure dans la technologie des assistants d'IA et devrait jouer un rôle important dans plusieurs industries et secteurs.

Les chercheurs de Meta ont introduit une nouvelle architecture qui améliore les performances des grands modèles de langage (LLM) en ajoutant des couches de mémoire entraînables. Ces couches de mémoire peuvent stocker et récupérer efficacement des informations factuelles pertinentes sans augmentation significative des calculs.

L'équipe a conçu la structure de la clé de mémoire comme une combinaison de "demi-clés" plus petites, ce qui a permis d'augmenter considérablement la capacité de la mémoire et de maintenir l'efficacité du système. Lors des tests, les LLM équipés de cette couche de mémoire ont surpassé les modèles non modifiés dans plusieurs benchmarks de quiz, même s'ils ont utilisé beaucoup moins de données d'apprentissage.

Cette approche innovante permet non seulement d'améliorer l'efficacité du modèle, mais aussi d'étendre ses scénarios d'application, par exemple dans les tâches à forte intensité de connaissances. Cela est très important pour les domaines qui doivent traiter de grandes quantités d'informations factuelles, comme la compréhension du langage naturel et les systèmes intelligents de questions-réponses.

Lors de la conférence Google I/O 2025, l'API Gemini a reçu un certain nombre de mises à jour importantes qui renforcent sa position de leader sur la plateforme d'intelligence multimodale.

Cette mise à jour comprend

• Le nouveau modèle, doté de fonctions vocales améliorées, prend en charge plus de 24 langues, ce qui élargit considérablement sa gamme d'applications.
• La fonction de génération de musique en temps réel ouvre de nouvelles possibilités dans le domaine de la création musicale et du divertissement.
• L'amélioration des entrées multimodales, en particulier dans la compréhension des vidéos, rend Gemini plus efficace dans le traitement d'informations visuelles complexes.
• Les outils pour développeurs et les mises à jour de la structure de l'API, tels que les résumés de pensée, les contrôles de navigateur et les appels de fonction asynchrones, améliorent considérablement l'expérience des développeurs.
• Le fait d'offrir aux développeurs un accès plus efficace et plus rentable aux modèles, comme les API par lots, permet de réduire le coût des déploiements à grande échelle.

L'API Gemini s'est progressivement transformée en une plateforme d'intelligence multimodale complète pour un large éventail de scénarios, de la génération de code au dialogue audio, et de l'extraction d'informations sur les pages web au contrôle des opérations du navigateur. Avec Google AI Studio, les développeurs peuvent rapidement réaliser des prototypes et des tests, créer des agents intelligents disponibles dans le commerce et intégrer la voix, la vidéo, les images et d'autres méthodes d'entrée et de sortie.

scénario d'applicationY compris, mais sans s'y limiter :

• Système intelligent de service à la clientèle pour un service à la clientèle mondialisé grâce à une prise en charge multilingue et à une reconnaissance vocale efficace.
• La génération de contenu créatif, utilisant la génération de musique en temps réel et le traitement d'entrée multimodale, offre aux utilisateurs une expérience multimédia riche.
• L'automatisation des flux de travail, combinée à la planification des outils et aux interfaces de contrôle automatisées, améliore l'efficacité opérationnelle de votre entreprise.

Ces mises à jour ne se contentent pas d'améliorer l'API Gemini, elles offrent également aux développeurs davantage de possibilités d'innovation.

L'objectif de II-Agent est de construire ce qui est probablement le meilleur agent intelligent au monde et de le mettre en open source. Cette ouverture contribuera non seulement à faire progresser la technologie de l'IA, mais permettra également à un plus grand nombre de développeurs et de chercheurs de s'impliquer et de travailler ensemble pour faire progresser l'intelligence humaine dans son ensemble.

La mission de l'II est d'améliorer l'intelligence humaine, et II-Agent, dans le cadre de sa dernière version, est conçu pour être un élément clé de cet objectif. Il atteindra ou dépassera les références existantes en matière d'agents intelligents grâce à une technologie de pointe et à des fonctionnalités innovantes.

Vous trouverez ci-dessous quelques améliorations et suggestions de nouvelles fonctionnalités pour II-Agent :

• Traitement amélioré du langage naturel pour un dialogue plus fluide et plus naturel.
• Intégrer des scénarios d'application plus pratiques tels que le service à la clientèle, le conseil en éducation, etc.
• Optimiser les mécanismes d'auto-apprentissage et d'adaptation pour exceller dans différents environnements et tâches.

Grâce à ces améliorations, II-Agent ne se contentera pas de mieux servir les utilisateurs, mais apportera également une grande valeur à l'ensemble de la société. En fin de compte, tout le monde en profitera.