一篇文章帶你回顧2024年，AIGC 領(lǐng)域的重磅產(chǎn)品和新模型。

更多AIGC 干貨：

一月

「趨勢」釘釘與 IDC 聯(lián)合發(fā)布的《2024 AIGC 應(yīng)用層十大趨勢白皮書》。

二月

「模型」大模型 Sora 發(fā)布。美國人工智能研究公司 OpenAI 正式對外發(fā)布人工智能文生視頻大模型 Sora，該模型能夠根據(jù)用戶的文本提示創(chuàng)建最長 60 秒的逼真視頻。

「產(chǎn)品」字節(jié)跳動推出的一站式 AI Bot 開發(fā)平臺「扣子」正式發(fā)布；

「模型」谷歌發(fā)布 Gemini 大型語言模型。谷歌正式宣布將旗下 Bard AI 聊天機(jī)器人更名為 Gemini，并同步推出了專為安卓用戶打造的 Gemini 應(yīng)用。Gemini 是谷歌最新、最大規(guī)模且功能最為強(qiáng)大的大型語言模型，其發(fā)布進(jìn)一步推動了 AIGC 在對話和搜索引擎集成 AI 領(lǐng)域的發(fā)展。

三月

「模型」Claude3 模型發(fā)布。該模型是 Anthropic 發(fā)布的最新 AI 大模型系列，包括 Claude 3 Haiku、Sonnet 和 Opus 三種型號。該系列模型在設(shè)計(jì)時考慮了提高對各種問題的響應(yīng)能力，特別是在處理復(fù)雜推理任務(wù)時表現(xiàn)出色。其中，Opus 模型在執(zhí)行高級推理 任 務(wù) 時 的 表 現(xiàn) 優(yōu) 于 OpenAI 的 GPT-4 和 谷 歌 的 Gemini Ultra。

「模型」北大團(tuán)隊(duì)聯(lián)合兔展發(fā)布了 Open Sora 文生視頻大模型。旨在通過文本輸入生成視頻內(nèi)容。該模型是北大團(tuán)隊(duì)與兔展合作發(fā)起的 Sora 復(fù)現(xiàn)計(jì)劃的一部分，提供了完整的視頻生成解決方案，包括視頻數(shù)據(jù)預(yù)處理、加速訓(xùn)練、推理等。

「模型」Yi-9B 大型語言模型。該模型是李開復(fù)旗下 AI 公司零一萬物開發(fā)的，Yi-9B 是一款具有 90 億參數(shù)的大型語言模型，特別加強(qiáng)了在代碼和數(shù)學(xué)方面的學(xué)習(xí)能力。該模型在代碼和數(shù)學(xué)能力上達(dá)到了前所未有的高度，同時保持了對消費(fèi)級顯卡的良好兼容性，為廣大開發(fā)者和研究人員提供了前所未有的便利性和強(qiáng)大功能。

「模型」Stability AI 發(fā)布 SD3 大模型。采用了與 Sora 相同的 DiT（DiffusionTransformer）架構(gòu)，生成的圖像質(zhì)量實(shí)現(xiàn)了顯著提升。該模型支持多主題提示，并改進(jìn)了文字書寫效果。Stability AI 表示，Stable Diffusion 3 在基于人類偏好的評估中優(yōu)于當(dāng)前最先進(jìn)的文本到圖像生成系統(tǒng)。

「模型」蘋果公司發(fā)布了 MM1 大型多模態(tài)基礎(chǔ)模型 。MM1 是蘋果公司最新發(fā)布的一款大型多模態(tài)基礎(chǔ)模型，擁有 300 億參數(shù)，采用了 MoE 架構(gòu)。該模型是蘋果在 AIGC 領(lǐng)域的重要布局之一，展示了蘋果在 AI 技術(shù)方面的深厚積累和創(chuàng)新實(shí)力。

四月

「模型」 生數(shù)科技發(fā)布 Vidu 視頻生成大模型。生數(shù)科技發(fā)布了 Vidu 視頻生成大模型，該模型融合了 Diffusion 與 Transformer 技術(shù)，開創(chuàng)性地創(chuàng)建了 U?ViT架構(gòu)。Vidu支持一鍵生成長達(dá)16秒、分辨率1080P 的高清視頻內(nèi)容，展現(xiàn)了 AIGC 在視頻生成領(lǐng)域的強(qiáng)大能力。

「模型」昆侖萬維發(fā)布天工音樂大模型。昆侖萬維推出了天工音樂大模型，這是中國唯一公開可用的音樂 AIGC 模型。該模型的 AI 人聲合成技術(shù)達(dá)到了業(yè)內(nèi)領(lǐng)先水平，為音樂創(chuàng)作和生成提供了全新的解決方案。

「模型」微軟發(fā)布 Phi-4 移動端大模型。微軟研究院發(fā)布了 Phi-4 移動端大模型，該模型延續(xù)了 Phi 系列的小參數(shù)模式，盡管只有 140 億參數(shù)，但在多項(xiàng)基準(zhǔn)測試中表現(xiàn)出色，甚至在某些方面超越了參數(shù)更多的模型。Phi-4 的發(fā)布展示了微軟在移動端 AI 技術(shù)方面的實(shí)力。

五月

「發(fā)布」OpenAI 發(fā)布 GPT-4o。OpenAI 發(fā)布了 GPT 4的迭代產(chǎn)品——GPT-4o，并宣布向所有用戶開放。

這一消息的發(fā)布不僅提升了用戶對 ChatGPT 的興趣，也促使國內(nèi)大模型產(chǎn)品開始考慮降價策略以應(yīng)對競爭。GPT-4o 的發(fā)布進(jìn)一步推動了生成式 AI 技術(shù)的發(fā)展，為用戶提供了更高質(zhì)量的服務(wù)、更有趣的對話體驗(yàn)以及更有用的信息。

「產(chǎn)品」即夢 AI 正式上線，提供圖片生成和智能畫布等功能。

「模型」阿里云在 AI 智領(lǐng)者峰會上發(fā)布了通義千問 2.5 版 本 ， 并 開 源 了 1100 億 參 數(shù) 模 型 Qwen1.5-110B。相較于 2.1 版，2.5 版本在理解能力、邏輯推理、指令遵循及代碼能力上分別實(shí)現(xiàn)了 9%、16%、19%和 10%的提升。此外，通義還不斷拓展其應(yīng)用場景，新增了文生圖、智能編碼、文檔解析、音視頻理解等功能。

六月

「模型」可靈 AI 發(fā)布可靈 1.5 模型，其產(chǎn)品被用于電影拍攝，九個導(dǎo)演已經(jīng)用它拍完片子。

七月

「產(chǎn)品」可靈宣布國際版 1.0 全球上線，同時國內(nèi)版本也進(jìn)行了基礎(chǔ)模型的升級，并全面開放內(nèi)測。

八月

「模型」Flux.1 發(fā)布，包含專業(yè)版、開發(fā)者版和快速版三種模型。其中，專業(yè)版和開發(fā)者版在性能上擊敗了 SD3-Ultra 等主流模型，而快速版 FLUX.1 schnell也超越了 Midjourney v6.0、DALL·E 3 等更大的模型。

九月

「產(chǎn)品」阿里通義 AI 實(shí)驗(yàn)室宣布，將在即將舉行的云棲大會上推出一款創(chuàng)新視頻生成大模型。該模型的預(yù)約通道已在通義 App 及通義萬相 PC 平臺上開放，但具體使用權(quán)限尚未向公眾開放。這款大模型融合了“文生視頻”與“圖生視頻”兩大創(chuàng)意模式。

十月

「模型」Flux 推出了 1.1 Pro 版本，并在 Beta 版中推出了 BFL API，進(jìn)一步提升了模型的性能和易用性。

「模型」Stability AI 正式發(fā)布了其最新的 StableDiffusion 3.5 系列 AI 圖像模型。與前一版本相比，Stable Diffusion 3.5 在現(xiàn)實(shí)感、提示依從性以及文本渲染質(zhì)量方面均有顯著提升。

十一月

「模型」2024 年 11 月，超清 AI 圖像生成模型 FLUX1.1 Pro Ultra 發(fā)布，支持高達(dá) 4 兆像素的分辨率，生成速度大幅提升。

「工具」ComfyUI：啟用了新 UI（Beta UI）作為默認(rèn)界面，提升了用戶體驗(yàn)。

?十二月

「發(fā)布」OpenAI 12 天超長發(fā)布會。OpenAI 在 2024 年 12 月舉辦了一場為期 12 天的超長發(fā)布會，期間陸續(xù)發(fā)布了多款新產(chǎn)品和功能，包括完全體的 o1 推理模型、o1-mini 強(qiáng)化微調(diào)技術(shù)、Sora Turbo 視頻生成版本 、Canvas 工作臺 、ChatGPT 與 AppleIntelligence 的集成、高級語音模式、Projects 項(xiàng)目管理功能、升級后的 ChatGPT 搜索功能、o1 推理模型 API 開放、辯論游戲、Microscope 神經(jīng)網(wǎng)絡(luò)分析工具，以及新一代推理模型 o3。這些發(fā)布內(nèi)容不僅展現(xiàn)了 OpenAI 在 AI 領(lǐng)域的創(chuàng)新實(shí)力，也為 AI 產(chǎn)業(yè)的未來發(fā)展指明了方向。