就在刚刚，港中文的一位博士生Jie Liu破解了GPT-4o不一般的前端生图秘密：实际上，它很大可能是原生自回归（AR）生成的，甚至我们可以手动改图。 无独有偶，CMU博士Sangyun Lee也推测出，GPT-4o的图像生成原理，应该大致如下： ...

北京时间今天凌晨，谷歌正式发布新一代人工智能推理模型Gemini 2.5系列，新模型通过多模态架构升级与长上下文处理能力，挑战OpenAI等竞争对手的领先地位。该系列的首发版本Gemini 2.5 Pro ...

V²Flow团队 发自 凹非寺量子位 | 公众号 QbitAI 视觉Token可以与LLMs词表无缝对齐了！ V²Flow，基于LLMs可以实现高保真自回归图像生成。 随着ChatGPT掀起自回归建模革命后，近年来研究者们开始探索自回归建模在视觉生成任务的应用，将视觉和文本数据统一在“next-token prediction”框架下。 实现自回归图像生成的关键是设计向量化(Vector-Quan ...

30000个tokens每秒，太炸裂了！ 刚刚，英伟达在2025GTC大会上宣布了创世界纪录的满血 DeepSeek-R1 推理性能。 DGX系统搭载八颗NVIDIA Blackwell GPU，在DeepSeek-R1模型（6710亿参数）推理任务中创下了世界纪录↓ 单用户推理速度超过每秒250个token，峰值吞吐量超过每秒30000个token。 这一突破性的性能提升，得益于针对NVIDIA ...

GPT-4o 图像生成善于准确地呈现文本、精确遵循提示词，并运用 4o 固有的知识库与聊天上下文——包括直接转换上传的图像，或将其作为视觉创作灵感。这些功能可轻松创建大家设想的图像，帮助用户通过视觉效果实现顺畅交流，并将图像生成真正转化为具备精确性与强大现实意义的实用性工具。

在多个长视频的评价标准上，Vamba保持了高准确率和出色的性能，尤其在LVBench长视频理解基准上相较先前的高效长视频理解模型达到了约4.3%的性能提升。团队现已开源Vamba模型的代码、模型权重以及训练、推理脚本供研究社区进一步探索与应用。