内容形态
AI 产品与应用的功能上新、改版与商业化动态——谁家的产品变强了、变贵了、能用了。
143 条精选近 30 天 16 条共收录 268 条
Hugging Face 宣布其开源智能体框架 smolagents 正式支持视觉语言模型（VLM），让智能体能够在执行管线中原生处理图像。框架支持在启动时通过 run 方法直接传入图像列表，也支持通过每步回调函数将网页截图等动态图像写入记忆观察。官方提供了结合 helium 浏览器自动化工具与 Qwen2-VL 等模型构建自主网页浏览 Agent 的完整示例。
推荐理由：原文给出了静态传入与动态回调两种图像输入方案及完整代码，读者可据此为轻量智能体工作流增加多模态感知能力。
Hugging Face 宣布为 Text Generation Inference（TGI）引入多后端架构，允许将其作为统一前端层接入 TensorRT-LLM、vLLM、llama.cpp 等多种底层推理引擎。
推荐理由：原文阐述了将 TGI 作为统一前端接入多种推理引擎的架构设计，读者可以了解跨硬件推理服务的解耦与选型方案。
Hugging Face 推出 TimmWrapper 工具，将 PyTorch Image Models（timm）库中的计算机视觉模型接入 Transformers 生态。
推荐理由：该集成打通了计算机视觉模型库与大模型工程生态，读者可以直接复用量化、LoRA 微调与 pipeline 流程。
Hugging Face 正式推出轻量级开源智能体库 smolagents，主打让大语言模型直接通过可执行 Python 代码来表达与调用工具动作。该库核心代码仅约千行并支持 E2B 沙盒执行环境，未来将取代旧版 transformers.agents。它深度集成了 Hugging Face Hub 工具生态，并可通过 LiteLLM 接入开源模型及主流商业模型。
推荐理由：原文展示了用可执行代码替代传统 JSON 工具调用的智能体设计，为需要高灵活性与轻量化架构的开发者提供了参考。
OpenAI 宣布视频生成模型 Sora 正式在 sora.com 开放使用。该模型支持生成最高 1080p 分辨率、最长 20 秒的视频，并提供宽屏、竖屏和正方形画幅选项。用户不仅可以直接通过文本生成全新内容，还能导入自有素材进行扩展、混剪与融合。
推荐理由：读者可以通过具体的分辨率和时长规格，评估该模型在当前视频制作与素材混剪工作流中的实用性。
Hugging Face 宣布 Diffusers 库正式支持图像生成模型 Stable Diffusion 3.5 Large。
OpenAI 推出 Realtime API，允许开发者在自身应用程序中构建快速的语音到语音交互体验。
推荐理由：该接口支持在应用中构建快速语音交互，为需要低延迟语音能力的开发者提供了直接接入途径。
OpenAI 宣布在微调 API 中正式引入视觉支持。开发者现可结合图像和文本数据微调 GPT-4o，以针对特定场景提升模型的视觉能力。
推荐理由：开发者可基于自身的图文数据集定制 GPT-4o，有助于优化特定场景下的视觉理解表现。
OpenAI 在 API 中推出提示词缓存（Prompt Caching）功能。该功能可对模型最近已处理过的输入内容自动提供折扣优惠。
OpenAI 在其 API 平台上线模型蒸馏功能。开发者可以直接在 OpenAI 平台上，使用前沿大模型的输出结果来微调成本效益更高的小模型。
推荐理由：开发者可以直接在 OpenAI 平台利用前沿大模型的输出微调低成本小模型，简化了蒸馏落地流程。
OpenAI 宣布用户无需注册账号即可直接开始使用 ChatGPT，以此降低使用门槛，让更多人体验 AI 带来的便利。
OpenAI 正在测试 ChatGPT 记住对话内容的新能力，以提升后续对话的连贯性与实用性。用户对 ChatGPT 的记忆内容拥有控制权，可按需管理或调整相关记录。
推荐理由：原文说明了记忆机制的引入与控制权归属，读者可以据此评估个性化上下文对日常对话效率的实际帮助。
OpenAI 正式推出面向各种规模团队的新订阅计划 ChatGPT Team。该计划提供安全且支持协作的工作空间，旨在帮助团队在日常工作中更充分地使用 ChatGPT。
OpenAI 正式推出 GPT Store。当前材料仅包含标题，未提供更多正文细节。
OpenAI 宣布推出 GPTs，允许用户创建自定义版本的 ChatGPT。用户可以将特定指令、额外知识库以及各类技能进行自由组合，构建满足特定需求的专属 ChatGPT。
OpenAI 宣布 ChatGPT 具备看、听和说的多模态交互能力。该更新让用户可以通过语音对话以及输入图像与 ChatGPT 展开交流。
OpenAI 正式推出 ChatGPT Enterprise，主打企业级安全与隐私保护。官方称其为迄今能力最强的 ChatGPT 版本。
Hugging Face 宣布在生态内全面集成 Meta 发布的开源代码大模型 Code Llama，涵盖 7B、13B 和 34B 三种参数规模。该模型基于 Llama 2 并在 5000 亿 token 代码数据上训练，提供基础版、Python 专用版及指令微调版，支持最高 100k 上下文窗口以及代码填充能力。
推荐理由：文章梳理了 Code Llama 三种尺寸与变体的能力边界，并提供了代码填充和 4 位量化部署的具体调用示例。
Hugging Face 宣布将 AutoGPTQ 库原生集成到 Transformers 中，支持用户以 8、4、3 甚至 2-bit 精度对大语言模型进行 GPTQ 量化与推理。
推荐理由：Hugging Face 将 AutoGPTQ 原生集成进 Transformers 与 TGI，大幅降低了 70B 级别大模型在消费级与单卡硬件上的部署门槛。
OpenAI 宣布推出 GPT-3.5 Turbo 微调功能及 API 更新。开发者现可接入自有数据，针对特定业务场景定制该模型。