搜索
前段时间，我们横向对比了即梦3.0、2.1、GPT4o的海报生成能力， 当时即梦3.0的文生图中文能力就已经超过了 GPT4o，我们通过提示语就可以控制字体的样式、位置、大小、排版等等。
我是没想到，GPT4o用一段小小的Prompt生成的一些图片，引发的热度浪潮。
GPT4o的多模态生图前天上线之后。经过两天的发酵，含金量还在不断提升。
上线一周， gemini-2.0-flash-exp、gemini-2.0-flash-thinking-exp 已经成为了我日常对话频率最高的模型之一。
今天是美国的周一，本来以为会跟上周一样，挑选周一发个大货，毕竟上周就有爱好探索的网友发现 GPT4o 好像有了更新，已经开始说自己是 GPT4.5 了。
融合物理知识的大型视频语言模型PhysVLM，开源了！ 它不仅在 PhysGame 基准上展现出最先进的性能，还在通用视频理解基准上（Video-MME, VCG）表现出领先的性能。
EMOVA（EMotionally Omni-present Voice Assistant），一个能够同时处理图像、文本和语音模态，能看、能听、会说的多模态全能助手，并通过情感控制，拥有更加人性化的交流能力。
Llama 3.1 终于现身了，不过出处却不是 Meta 官方。
只要在提示词中把时间设定成过去，就能轻松突破大模型的安全防线。