Google wprowadza Nano Banana, narzędzie do edycji zdjęć dostępne bezpośrednio w wynikach wyszukiwania. Użytkownicy mogą teraz szybko modyfikować obrazy bez opuszczania platformy.
Read More
Nowy framework ACE od Stanfordu, SambaNova Systems i UC Berkeley usprawnia działanie LLM, edytując i rozwijając kontekst wejściowy, zamiast aktualizować wagi modelu. Czy to początek nowej ery w optymalizacji modeli językowych?
Read More
MAI‑Image‑1, pierwszy w pełni opracowany wewnętrznie model generowania obrazów Microsoftu, pojawił się w pierwszej dziesiątce rankingu LMArena. Firma obiecuje szybkie, fotorealistyczne wyniki i integrację z Copilotem oraz Bing Image Creator, ale wciąż nie ujawniła kluczowych detali technicznych.
Read More
Google rozszerza możliwości NotebookLM, wprowadzając generowane przez sztuczną inteligencję wideo z podsumowaniami dokumentów. Nowa funkcja oferuje użytkownikom większą kontrolę nad stylem wizualnym i formatem prezentowanych informacji.
Read More
SwiReasoning to procedura dekodowania, która w czasie rzeczywistym decyduje, kiedy model ma „myśleć w ukrytej przestrzeni”, a kiedy wypisywać jawny chain-of-thought. Metoda, nie wymagająca dodatkowego treningu, wykorzystuje trendy entropii rozkładów kolejnych tokenów jako sygnał pewności i według autorów zwiększa zarówno dokładność, jak i efektywność tokenową w zadaniach matematycznych i STEM.
Read More
Koncern z Cupertino jest o krok od sfinalizowania transakcji przejęcia inżynierów i technologii z Prompt AI, startupu specjalizującego się w wizji komputerowej. To klasyczny dla Apple ruch typu „acqui-hire”, który ma wzmocnić ekosystem inteligentnego domu HomeKit i nadrobić zaległości w wyścigu AI, nawet kosztem inwestorów startupu.
Read More
Grupa badawcza z Hugging Face, Nvidia i Mistral AI uruchomiła Open ASR Leaderboard – otwartą platformę do oceny systemów rozpoznawania mowy. Pierwsze wyniki z testów ponad 60 modeli pokazują wyraźny kompromis między dokładnością a szybkością transkrypcji oraz niespodziewane różnice w wydajności między rozwiązaniami open-source a komercyjnymi.
Read More
OpenAI zaprezentowało Sora 2 — model generujący wideo z dźwiękiem i realistyczną fizyką oraz nową funkcją Cameo, która pozwala wstawić własną podobiznę na podstawie krótkiego nagrania. To krok w kierunku powszechnej produkcji materiałów wideo przez AI, ale także źródło nowych zagrożeń i pytań o kontrolę treści.
Read More
Google udostępnił pierwsze próbki wideo wygenerowane przez Veo 3.1, zapowiadając konkurencję dla OpenAI Sora 2, model oferuje 8-sekundowe klipy wideo 720p z ulepszonym dźwiękiem i jakością obrazu.
Read More
Użytkownicy ChatGPT mogą teraz połączyć swoje konta Spotify, otwierając drzwi do tworzenia spersonalizowanych playlist i rekomendacji muzycznych. Integracja oferuje wygodę, ale rodzi pytania o bezpieczeństwo danych.
Read More