GPT-4o一天迎来2大劲敌！Grok-2发布测试版！Gemini Live即刻上线！｜AI日报

文章推荐

AI简单提问就能实现学习弯道超车！如何使用AI加速学习？

一键生成PPT？讯飞智文2.0迎来重磅升级！马斯克宣布人工智能模型Grok 2测试版即将发布

今日热点

Google制造2024：通过Gemini、Android和Pixel产品组合，将最好的Google AI带给更多人和更多手机

在第九届Made by Google活动上，谷歌分享了如下与AI有关的内容：

Gemini让你的移动设备成为强大的AI助手

Gemini Live是谷歌针对OpenAI高级语音模式推出的一款产品，其功能与ChatGPT几乎相同，之前一直处于测试阶段的Gemini Live，目前可以与Gemini进行自由对话，以英语向Android手机上的高级订阅者开放。

另一方面，Gemini可以与目前所使用的Google应用和工具一起帮助用户完成任务。无需用户在应用和服务之间切换。

新款Pixel 9系列设备带来Google AI的最佳功能

通话记录总结了您的对话。Pixel 9系列设备提供通话记录功能，可保存通话后的对话摘要。详细信息文字记录均保存到手机通话记录中。

Pixel Studio是Pixel 9、Pixel 9 Pro和Pixel 9 Pro Fold设备独有的一款图像生成应用，Pixel Studio可让您输入提示来生成任何让您产生创意的东西，并在事后添加贴纸并进行编辑和更改。

Pixel Screenshots使用AI分析屏幕截图的内容，包括任何捕获的文本、人物和物体，并且还可以在照片中搜索门禁密码和地址等信息。

https://blog.google/products/platforms-devices/made-by-google-2024-collection/

xAI正式发布Grok-2，在X上添加图像生成功能

埃隆·马斯克旗下的Grok-2和Grok-2 mini今日发布测试版，其推理能力有所提升。

xAI在关于Grok-2的博客文章表示：Grok-2比型号Grok-1.5有更重大的进步，具有聊天、编码和推理方面的前沿功能。同时，xAI推出了Grok-2 mini，它是Grok-2 的一款体型虽小但功能强大的兄弟产品。

新的Grok AI模型现在可以在X社交网络上生成图像，不过Grok的访问权限目前仅限于X上的Premium和Premium+用户。

用户生成的早期图像表明，Grok 的图像生成功能在创建政治人物图像方面没有任何限制，许多用户正在用这一点生成在其他平台无法生成的图片。

然而，随着美国总统大选的临近，该公司可能会面临对这些功能进行限制的压力。

https://x.ai/blog/grok-2

Cosine AI推出Genie，称其为迄今为止世界上最好的AI软件工程师

Cosine AI称推出的Genie是迄今为止世界上最好的 AI 软件工程师。Genie能够完全自主地或与用户配对，解决错误、构建功能、重构代码等，就像与同事一起工作。

Cosine AI采取与竞争对手完全不同的方法：如果用户希望模型表现得像软件工程师，就需要教会它人类工程师的工作方式。

这种方法让Cosine AI能够构建出像人类软件工程师一样行事的产品。

Cosine AI设计了新技术，从软件工程师工作的真实例子中获取人类推理。其数据代表了代表了人类工程师逻辑上所做的一切。

通过这个数据集训练模型，Cosine AI不再只是生成随机代码直到某些代码起作用，而是像人类一样解决问题。

https://cosine.sh/blog/state-of-the-art

我国完成备案并上线、能为公众提供服务的生成式AI服务大模型达180多个

据“工信微报”消息，在日前召开的第十二届互联网安全大会上，中央网络安全和信息化委员会办公室副主任、国家互联网信息办公室副主任王京涛介绍，截至目前，我国已经完成备案并上线、能为公众提供服务的生成式人工智能服务大模型达180多个，注册用户数已突破5.64 亿。

据介绍，近年来我国人工智能发展取得显著成效。

一方面，初步构建了较为全面的人工智能技术产业体系，相关企业超过 4500 家，产业规模持续扩大；

另一方面，人工智能与实体经济融合不断深化，人工智能应用加速探索，建成 2500 多个数字化车间和智能工厂，经过人工智能改造，研发周期平均缩短 20%，生产效率提升 35%。

同时，人工智能也在加速政务、金融、能源等领域的数字化进程。

https://www.ithome.com/0/788/008.htm

阿里通义宣布开源音频语言模型Qwen2-Audio

为了实现构建AGI系统的目标，模型应该能够理解来自不同模态的信息。阿里通义发布Qwen-Audio的下一个版本Qwen2-Audio，它能够接受音频和文本输入并生成文本输出。

Qwen2-Audio具有以下特点：

• 语音聊天：用户首次可以使用语音向无需ASR模块的音频语言模型发出指令。
• 音频分析：该模型能够分析音频信息，包括语音、声音、音乐等，并附带文本指令。
• 多语言：该模型支持8种以上的语言和方言，例如中文、英语、粤语、法语、意大利语、西班牙语、德语和日语。

在不久的将来，阿里通义计划在更大的预训练数据集上训练改进的 Qwen2-Audio 模型，使模型能够支持更长的音频（超过 30 秒）。

阿里通义还计划构建更大的Qwen2-Audio模型，以探索音频语言模型的缩放规律。

https://qwenlm.github.io/blog/q