推理模型在AI领域并不少见。许多公司都拥有此类技术,包括OpenAI的GPT-o3和谷歌的Gemini 2.5。但AI图像和视频公司Luma AI刚刚发布了其首款AI推理视频模型Ray3,现已上线可用。
推理模型是一种使用更多计算时间来处理请求并能回过头检查答案的AI模型。通常情况下,推理模型能提供更好的响应,无论是更详细的内容还是更低的错误率。
对于Ray3而言,这种推理能力意味着你可以创建包含更复杂动作序列的AI视频片段。通常,AI视频片段的时长在5到10秒之间。(这是最佳时长——更长的片段往往会很快变得不稳定。)因此在提示词中加入动作序列会留下很大的出错空间。Ray3花费更多时间处理提示词的能力使其能够更好地处理那些更高级的场景。
Luma AI首席执行官Amit Jain表示,推理模型的作用不仅仅是将文本转换为像素。
"它能够评估并说,'哦,这样不好,或者我需要在这方面做得更好,'"他在接受CNET采访时说道。
与聊天机器人的推理模型一样,你可以看到模型工作时采取的步骤。一个新的可视化标注工具会显示模型正在做什么——比如标记需要调整的角色和其他需要保持不变的区域。你也可以使用此功能来标记帧并突出显示你希望在后续提示中进行的更改。
其他升级功能有助于制作更好的视频片段,包括能够以16位HDR生成,这是一种更高分辨率,能为视频片段提供更精细的细节和清晰度。你还可以利用新的草稿模式,让你快速测试想法并以较低分辨率格式生成镜头。Jain解释说,你可以在草稿模式下在20秒内生成片段,然后在准备好时将其升级到高保真分辨率,这大约需要2到5分钟生成时间。
视频创作正成为生成式AI越来越常见的应用。过去一年中,许多大型科技公司都发布了AI视频模型,从Midjourney到谷歌的Veo 3。所有这些模型都旨在增强创作能力,最近的改进包括生成更高质量、包含音频(对于Veo 3)并普遍提升水平以吸引专业创作者和AI爱好者。不过,专业人士对AI生成媒体表达了许多担忧,特别是关于AI模型的训练和部署。艺术家们已经对AI公司提起了多起集体诉讼。Luma AI的隐私政策表示,它可以使用你提供的信息来改进其服务。
Q&A
Q1:Ray3推理视频模型有什么特别之处?
A:Ray3是Luma AI首款AI推理视频模型,它能够使用更多计算时间处理请求并检查答案,这使得它能够创建包含更复杂动作序列的AI视频片段,比传统AI视频模型处理高级场景的能力更强。
Q2:Ray3的可视化标注工具是如何工作的?
A:可视化标注工具会显示模型工作时采取的步骤,比如标记需要调整的角色和其他需要保持不变的区域。用户也可以使用此功能来标记帧并突出显示希望在后续提示中进行的更改。
Q3:Ray3的草稿模式有什么好处?
A:草稿模式让用户快速测试想法并以较低分辨率格式生成镜头,可以在20秒内生成片段,然后在准备好时将其升级到高保真分辨率,整个高质量生成过程大约需要2到5分钟。
好文章,需要你的鼓励
亚马逊云服务宣布雷尼尔项目正式投入运营,该AI超级集群配备近50万块Trainium2芯片,分布在多个数据中心。AWS称这是全球最大的AI计算集群之一,从宣布到全面运营仅用不到一年时间。合作伙伴Anthropic计划年底前扩展到超过100万块芯片。该项目与OpenAI星门计划展开激烈竞争,AWS凭借自主硬件开发优势能够控制从芯片到数据中心的完整技术栈。
约翰斯·霍普金斯大学研究团队提出了创新的隐私保护AI文本生成方法,通过"控制代码"系统指导AI生成虚假敏感信息来替代真实数据。该方法采用"藏身于众"策略,在医疗法律等敏感领域测试中实现了接近零的隐私泄露率,同时保持了高质量的文本生成效果,为高风险领域的AI应用提供了实用的隐私保护解决方案。
谷歌开始推出Fitbit应用的重大更新,采用全新设计并集成由Gemini AI驱动的个人教练功能。该更新于10月28日首先面向美国地区的Fitbit Premium用户开放,后续将逐步扩大覆盖范围。新版本围绕今日、健身、睡眠和健康四个主要标签重新设计,强调周趋势数据分析。AI教练功能可根据用户的实时和历史数据提供个性化建议和训练计划,支持语音或文字交互。用户可选择是否使用AI功能,预览期间可在新旧界面间切换。
这项由Reactive AI提出的稀疏查询注意力机制通过减少查询头数量而非键值头数量,直接降低了注意力层的计算复杂度,实现了2-3倍的训练和编码加速。该方法在长序列处理中表现出色,在20万词汇序列上达到3.5倍加速,且模型质量损失微乎其微,为计算密集型AI应用提供了新的优化路径。