Bard, Cladue, and OpenAI are starting a "battle" of large-scale models overseas. Is OpenAI beginning to counter the trend of internal competition? Meta Platforms defeats Midjourney | [Hard AI] Weekly Report

AI 界在本周发生了哪些大事呢？

观点前瞻

大模型都在追赶 ChatGPT，而 OpenAI 却准备成为反内卷达人；

本周，OpenAI 前脚刚刚更新了插件 “Code interpreter”，两大最强竞争对手 Anthropic 和谷歌就相继宣布更新 Claude 和 Bard；

两家竞对现在的升级趋势就是让用户 “免费用上 GPT4 plus”，甚至是超越它；

而反观 Ai 大模型鼻祖，这边也是不慌不忙：不仅不卷大模型，甚至是准备停下来等等其它大模型的步伐。

“根据外媒报道，OpenAI 正准备开始创建多个运行成本较低的小型 GPT-4 模型，每个较小的专家模型都在不同的任务和主题领域进行训练。”

简而言之，就是 OpenAI 家正打算走降本的轻量化路线，下一目标很可能是推广多种垂类大模型。

在【硬 AI】看来，OpenAI 这种【混合专家模型】的思路确实会在当下牺牲了一部分回答质量，但也许是更接近产业应用的一条有效路径。

本周日报你还能获得以下咨询：

1、Bard、Claude2、ChatGPT 纷纷升级，谁都不闲着

2、AI 作图界继续开卷：

Meta 击败 Midjourney；Stability AI 联合腾讯推出 Stable Doodle；视频分割大模型【SAM-PT】现身；

3、国内模型大事件：

网信办给国内大模型 “上保险”；阿里开源国内首个大模型"对齐数据集”；京东发布言犀大模型；智源超越 DeepMind；王小川大模型再升级

4、海外热点消息

牛津、剑桥纷纷解除对 ChatGPT 禁令；Meta 要发 AI 模型商用版；马斯克 “打脸” 现场，从抵制 AI 到成立"xAI"；

Bard、Claude2、ChatGPT 都不闲着

1、Bard 更新：支持中文、图像理解、语音提问

此前只支持英文提问的 Bard 终于更新了中文等 40 多种语言的输入，还新增欧盟和巴西地区访问，

不仅如此，Bard 还更新了以下几个功能：

1. 上传和理解图片（tips：仅支持英文版）
2. 可以通过语音进行提问；
3. 保存历史记录和分享对话链接（与 GPT 一样）
4. 定制回复的长度、风格
5. 导出代码功能

2、Claude2：一键帮你总结 PDF

Claude 升级的第二代直接用上 GPT plus 会员，支持上传 PDF，还能帮你查找、总结多文档内容之间的关系（支持 txt、pdf 多种格式，最高不超过 10MB）

3、ChatGPT 上线最牛插件 - 代码解释器

GPT4 最新插件 - 代码解释器，起初这个插件被称作—让每个人都成为数据分析师 (主要是在数据处理、绘图方面很厉害)；

不过最近又在网友的测试下，解锁了一些新功能：比如做成小视频、制作简易小游戏、表情包等等；

感觉这个插件的功能还有待网友们继续探索和解密。

AI 作图界又发生了哪些大事

1、Meta 突破多模态天花板，打败 Stable Diffusion、Midjourney

Meta 推出一款单一多模态大模型——CM3leon，问市即巅峰？

现在都说 CM3leon 比 Stable Diffusion、Midjourney、DALL-E 2 还牛，这是为啥？

【有多硬】

CM3leon 采用自回归模型独领风骚，比前期领航梯队 Stable Diffusion 等多模态采用的扩散模型的计算量少了五倍；

能处理更复杂的提示词，并且完成作图任务；

根据任意格式的文本指令对现有图像进行编辑，比如更改天空颜色，或者在特定位置添加对象。

客观的说：CM3leon 能达到的能力还真的可以位居多模态市场巅峰，不仅是清晰度更高、还能突破此前多模态的绘画瓶颈：比如手部细节刻画、用语言提示词进行物体、空间细节布局等；

这可能都要归功于 CM3leon 的多功能架构，这意味着多模态大模型以后可以实现在文本、图像、视频等多任务间自由切换，这是之前多模态所达不到的。

2、Stability AI 推出图片生成控制模型 Stable Doodle

简单来说 Stable Doodle 大模型就是给它一张草图，帮助你实现图片控制；类似 ControlNET 的功效；

【有多硬】

这个 Stable Doodle 是基于 Stable Diffusion XL 模型与 T2I-Adapter 相结合而成。

而 T2I-Adapter 是腾讯 ARC 实验室的一款图文控制器；参数只有 70M 存储空间 300M，非常小巧，但是能够更好的理解草图的轮廓，并帮助 SDXL 做图片生成进一步的控制；

3、视频分割大模型【SAM-PT】现身

前段时间，Meta AI 开源了一个非常强大的图像分割基础模型 Segment Anything Model（SAM），瞬间引爆了 AI 圈。

现在，来自苏黎世联邦理工学院、香港科技大学、瑞士洛桑联邦理工学院的研究人员发布了 SAM-PT 模型，能将 SAM 的零样本能力扩展到动态视频的跟踪和分割任务。

也就是说，视频也能进行细节分割了。

国内大模型事件

1、网信办出手，国内大模型，有了 “保险”

国家网信办等七部门联合公布《生成式人工智能服务管理暂行办法》（以下称《办法》），自 2023 年 8 月 15 日起施行。

主要包括：

1、要求分类分级监管；

2、明确提出训练数据处理、标注等要求；

3、明确了提供和使用生成式 AI 服务的要求；

《办法》的出台相当于给在国内使用、提供生成式 AI 服务的企业上了一个保险，以后哪怕是有问题，也知道去哪里投诉了。

2、阿里开源国内首个大模型"对齐数据集”

上个月，天猫精灵和通义大模型联合团队公布了一个 100PoisonMpts 大模型治理开源数据集，又称为 “给 AI 的 100 瓶毒药”，目的是试图引导 AI 落入一般人也难以避免的歧视和偏见的陷阱。

这是对多个大模型投毒后的结果评测：在抑郁症问题上，也还是 GPT4、GPT3.5 以及 Claude 的综合得分更高；

阿里又开源了一个 15 万条数据的大模型对齐评测数据集——CValue，主要用于 “大模型对齐” 研究；

简单来说，大模型对齐研究就是让 AI 给出符合更人类意图的答案，主要是在回答更富有情感、具有共情能力，且符合人类价值观，希望 AI 以后也学会人文关怀。

3、京东发布言犀大模型

京东正式发布言犀大模型、言犀 AI 开发计算平台，想做最懂产业的服务工具。

目前，言犀已经启动预约注册，预计 8 月正式上线。

4、智源超越 DeepMind

智源研究院「悟道·视界」研究团队开源了全新的统一多模态预训练模型——Emu。不仅在 8 项基准测试中表现优异，而且还超越了此前的一众 SOTA。

该预训练模型最大的特点是：打通多模态输入—多模态输出；

实现了：多模态任意图文任务的内容补全，并对任务进行下一步自回归预测；

这一套预训练模型能干什么大事？

可以训练媲美 Meta 新鲜出炉的 CM3leon 大模型啊。（方法给到了，剩下的全靠个人努力了）

5、王小川大模型再升级

百川智能再次发升级版大模型 Baichuan-13B，参数直接从 70 亿飙到了 130 亿。

一同出道的还有一个对话模型 Baichuan-13B-Chat，以及它的 INT4/INT8 两个量化版本。

Baichuan-13B 刷新开源训练数据天花板：

Baichuan-13B 大模型的训练数据量有 1.4 万亿 token！是 LLaMA_13B（Meta 知名大模型）的 140%；在中文语言评测中，特别是自然科学、医学、艺术、数学等领域直接跑赢 GPT。

其它 AI 海外消息

1. 牛津、剑桥纷纷解除对 ChatGPT 禁令；
2. Meta 要发 AI 模型商用版；
3. 马斯克 “打脸” 现场，曾高调抵制生成式 AI，如今宣布成立"xAI"；

本文作者：韩枫，来源：硬 AI，原文标题：《Bard、Cladue、GPT 掀起海外大模型"混战"，OpenAI 开始反内卷？Meta 击败 Midjourney |【硬 AI】周报》