原创 小茸茸 2024-11-28 09:16 重庆
OneDiffusion：多功能生图模型即将发布；Qwen2vl-Flux 在线演示：体验 mini 版本的强大功能；OpenAI 的 Sora API 泄露事件简单回顾；阿里通义开源 QwQ-32B-Preview：最强国产推理模型
ShowUI：GUI 自动化 Agent
ShowUI[1] 是一个用于 GUI 自动化的视觉-语言-操作模型，类似于 Computer Use，能够通过自然语言来控制 AI 实现点击、输入、选择、滚动等操作。根据相关论文的描述，该模型实现了 75.1% 的准确率，性能提高了 1.4 倍，目前代码已经开源。
OneDiffusion：多功能生图模型即将发布
OneDiffusion[2] 是一个多功能生图模型，不仅支持文生图、ID 一致性、单图生多视角、文生多视角，还具备双向生成能力。例如，它可以实现类似 ControlNet 的条件生成（如深度、姿势、布局、语义等），同时也能将图片预处理为这些条件。官方计划于12月初发布模型和代码，敬请关注。
Qwen2vl-Flux 在线演示：体验 mini 版本的强大功能
Qwen2vl-Flux[3]现在提供了一个在线演示[4]，效果十分不错，就像 IpAdapter 一样强。作者表示，这是一个 mini 版本，用于快速出图，完整版本的能力更强。
OpenAI 的 Sora API 泄露事件简单回顾
昨天 OpenAI 的 Sora API 泄露的新闻沸沸扬扬，给大伙总结下：一个名为 PR Puppets 的 Hugging Face 组织发布了一个 Space，该 Space 能够通过提示词生成视频，并且代码是开源的。人们发现，这个 Space 实际上是通过调用 OpenAI 还未正式发布的 Sora 视频生成模型的接口实现的。
随后，该组织发布了一封公开信[5]，声称 OpenAI 暂时关闭了 Sora 对所有艺术家的抢先体验，并呼吁大家一起抵制 OpenAI 的霸主行为。
公开信中还展示了一些‘偷跑’的视频，具体效果你们可以自己去看判断下。有人猜测这些可能是 Sora 的 Turbo 模型生成的，因此速度较快，但效果差点。
阿里通义开源 QwQ-32B-Preview：最强国产推理模型
QwQ-32B-Preview[6] 是阿里通义团队最新开源的推理模型，目前仍处于预览阶段。尽管在安全和语言混用等方面存在一定的局限性，但其性能已能与 o1-mini 相媲美，尤其在数学性能上更是超越了 o1-preview。
值得一提的是，QwQ 也是为数不多的可商用推理模型之一，而且这个名字确实很可爱，不是吗？
❝如果你喜欢《一觉醒来 AI 界发生了什么》系列的话，请 关注、点赞、在看、收藏、分享 五连警告，这对我真的很重要！
Reference
[1]
ShowUI 项目: https://github.com/showlab/ShowUI
[2]OneDiffusion 模型官网: https://github.com/lehduong/OneDiffusion
[3]Qwen2vl-Flux 往期介绍: https://sanhua.himrr.com/news/08c90309-e0cd-426f-964d-304a4c35f32e
[4]Qwen2vl-Flux 在线演示: https://huggingface.co/spaces/Djrango/qwen2vl-flux-mini-demo
[5]PR Puppets 发布的公开信: https://huggingface.co/spaces/PR-Puppets/PR-Puppet-Sora
[6]QwQ-32B-Preview 官方博客: https://qwenlm.github.io/zh/blog/qwq-32b-preview/
