Смотрю тут развернутую LLM Arena (вкладка NEW: Overview) и какая-то новая необъявленная chatgpt-4o-latest-20240903 оказывается на прям новой высоте. В API она тоже есть под именем chatgpt-4o-latest и даже был соблазн переключиться, но работает медленно... От 2 до 7 раз на тестах. Видимо скоро будут анонсы о какой-то более крутой, но дорогой GPT-4o от OpenAI.

Ну и из прикольного, Илон Маск с Гроком обошел и Antropic, и GPT-4o, и на равных с самой сильной моделью от Google.

https://lmarena.ai/

Цукерберг учит ребенка нейросетям с пеленок :)

Скачал тут от разработчиков RAG-систем руководство по их созданию. Напоминаю, что это по сути ответ на вопрос LLM-кой с получением доп.информации из внешней базы, например, вашей базы знаний или документации. Практически все AI-стартапы, где пишут, что они "тренируются на ваших данных", банально используют RAG. Это наверное самый частый юзкейс и с самым высоким ROI сейчас.

Понятно, что они свое решение пиарят, но быстро посмотрел и интересного много, от выбора векторной базы и эмбеддингов, до разрезания больших документов на кусочки хитрыми способами и промпт-инжиниринга.

Китайцы продолжают двигать опенсорс.
Новая Qwen-2.5 в 7 разных размерах и 2 специально заточенные под математику версии, на подходе модель для кодинга!

Производительность на 5-70% выше, чем у предыдущего поколения, обходит по тестам Meta Llama 3.1 70B и соответствует 405B! Qwen 2.5 32B превосходит OpenAI GPT-4o mini. 🤯

📈 Обучены на 18 триллионах токенов, вход до 128К токенов, выход до 8К.
🌎 Поддержка более 29 языков, включая английский, французский, испанский, китайский и другие.
⚒ Улучшенное следование инструкциям, понимание структурированных данных и вывод JSON.
🎭 Улучшена обработка системных подсказок для улучшения ролевых игр и работы чатботов.
🔓 Все размеры выпущены под Apache 2.0, кроме 72B и 3B
🥇 72B превосходит более крупные модели, такие как Llama3-405B
🥈 7B и 32B являются лучшими среди своих размеров
🧑🏻‍💻 Улучшенные модели кодирования на подходе (7B превосходит 22B CodeStral).

В общем, лучшие опенсорс модели по бенчмаркам в своем размере.

Подробнее: https://qwenlm.github.io/blog/qwen2.5-llm/

Модели: https://huggingface.co/collections/Qwen/qwen25-66e81a666513e518adb90d9e

Новая text-to-speech и voice cloning моделька - FishAudio. Достаточно 30 секунд для клонирования. 50 генераций бесплатно, а так подписка 10 баксов в месяц.

Звезд с неба не хватает, но стоит очень дешево и есть API. Плюс она опенсорсная - https://github.com/fishaudio
Там уже наклонировали кучу голосов для вас, в том числе каких-нибудь Масков и Трампов. Вот например хит Бритни Спирс от него в аттаче.

Подробнее: https://fish.audio/

О, вот такую штуку мы на хакатоне делали, но конечно кривее гораздо, - автогенератор видео по тексту - https://tellers.ai/
Делали, чтобы всякие демо-видео легко собирать. Наверное видели много таких корпоративных видосов.
Есть текст, типа "Все вокруг страдают, потому что нет такой классной штуки", а на фоне там всякие города, люди за компьютером работающие, плачущие дети и так далее, а потом "и вот она появилась" и уже демка вашего продукта, а потом снова что-то типа "Революция свершилась, покупай сейчас" и на фоне люди радующиеся и показывающие палец вверх.

Раньше такие штуки надо было руками собирать, подбирать видосы в видеобанках, но теперь AI может автоматом подбирать по частям текста вашего ключевики, искать в фотобанках и подставлять. Ну и можете менять в этом же редакторе и уже ваше видео подсунуть в нужное место. Ну и озвучку делает, Text-to-Speech.
Короче, звезд с неба не хватает, но жизнь упрощает.
Стоит 30 долларов (60 гонконгских долларов) в месяц за 50 генераций и есть бесплатный тариф на попробовать.

Вот их демо видео - https://youtu.be/kFDJyAiCTg4