Az elmúlt hét a mesterséges intelligenciával foglalkozó modellek terén kiemelkedően eseménydús volt, számos új, nyílt forráskódú modellt mutattak be, amelyek különböző területeken állíthatók hadba. Az egyik legérdekesebb újdonság, hogy a Moonshot csapata publikálta a Kimmy K3.1 Pro modell súlyait, amely a nyílt forrású mezőnyben az abszolút élvonalat képviseli hatalmas méretével és teljesítményével. A közösség folyamatosan dolgozik azon, hogy ezeket a modelleket mindenki számára könnyebben hozzáférhetővé tegyék, például kvantált verziók fejlesztésével.
A North Ka modellcsalád, amely a számítógép-vezérlésben jeleskedik, szintén elérhető már többféle méretben, így akár egy átlagos hardveren is futtatható. Különféle verzióik közös jellemzője, hogy valós időben képesek képernyőképek alapján döntéseket hozni és feladatokat automatikusan végrehajtani.
A képgenerálás terén a MiniAX H3-ból származó PH3 image modell hozott áttörést, amely kimagaslik sebességével és fotórealista képességeivel, miközben jelentősen kisebb erőforrással is beéri. Ezek az új modellek lehetővé teszik, hogy gyorsan és hatékonyan generáljunk vagy szerkesszünk nagyfelbontású képeket, sőt, a kézírásos minták feldolgozása is új szintre emelkedett.
A videógenerálásban a Pika H3 Flex modell tarol: akár valós időben is elkészíthetők látványos, több forrásból táplálkozó klipek, szerkeszthető hangsávokkal, nagy felbontásban. A modell árazása is figyelemre méltó, hiszen lenyűgöző hatékonysággal és alacsony költségen hoz minőségi eredményt. A mesterséges intelligencia ezen a területen már nemcsak kreatív, hanem gazdaságos is.
Számos más izgalmas fejlesztés is napvilágot látott: akár a tudományos számításokra és szimulációkra szakosodott Hydrogen 1.0, akár a hangalapú vezérlésre képes APL Voice 27B, vagy a szöveg-kép beágyazásban használt Perplexity Embed V2 is jelentős lépéseket képviselnek az AI alkalmazások kibővítésében. Az OCR terén is előrelépés történt, az Unlimited OCR2 révén már hosszú, képalapú dokumentumokat is hatékonyan olvashatunk be az AI segítségével. A videóban felvetett kérdés, hogy ezek az új nyílt modellek mennyiben forradalmasíthatják a felhasználói szokásokat, illetve hogyan tudják átformálni a hétköznapi munkafolyamatokat, különös hangsúlyt kap.
