年初,混元TurboS正式發(fā)布,作為業(yè)界首款大規(guī)模混合Mamba-MoE模型,其在效果與性能上已展現(xiàn)出顯著優(yōu)勢。而這一最新突破,則得益于預訓練階段的tokens增訓,以及后訓練階段引入長短思維鏈融合技術,使得TurboS理科推理提升超10%,代碼能力提升24%,競賽數(shù)學成績大幅提升了39%。

早在去年下半年,騰訊就大力投入了深度思考模型的路線攻關。深度思考模型混元T1自年初上線元寶App后,持續(xù)快速迭代。近期,混元T1也迎來新升級,在多項核心能力上均實現(xiàn)了提升:其中,在競賽數(shù)學上效果提升8%;在常識問答上提升8%;在復雜任務的Agent能力提升了13%。

多模態(tài)模型快速迭代,首秀3D場景生成

基于TurboS的基座模型,混元進一步拓展了圖片和音頻的多模態(tài)理解能力。新發(fā)布的混元視覺深度推理模型T1-Vision,支持多圖輸入,具備原生長思維鏈,輕松實現(xiàn)“邊看圖邊思考”,整體效果相比此前級聯(lián)方案提升 5.3%,整體理解速度提升50%。

端到端語音通話模型混元Voice,實現(xiàn)低延遲語音通話,相比級聯(lián)方案,響應速度提升超過30%,降至1.6秒,擬人性和情緒應用能力也有明顯提升,目前已在騰訊元寶App灰度上線。實時視頻通話AI體驗,近期將推出。

今年以來,混元的迭代速度明顯加快。在多模態(tài)生成領域,混元圖像2.0率先實現(xiàn)“毫秒級”生圖,GenEval基準測試準確率超95%。這背后得益于超高壓縮倍率的圖像編解碼器以及全新擴散架構,模型參數(shù)量提升了一個數(shù)量級,帶來交互體驗的革新。在主觀畫面質(zhì)量和美學層面的人工測評中,混元圖像2.0也被認為是“AI味”最少的模型之一。

混元3D v2.5憑借業(yè)界首創(chuàng)的稀疏3D原生架構,實現(xiàn)了可控性與超高清生成能力的代際飛躍,幾何模型精度提升10倍,紋理貼圖達4K。在端到端評測中,混元文生3D在17個生成類目中占據(jù)15個第一,圖生3D在17個類目中全部取得第一。

在游戲領域,混元推出精通游戲美術與術語的混元游戲視覺生成模型,涵蓋游戲技能特效生成、角色動態(tài)立繪、實時交互游戲世界模型、角色多視圖等五大子模型?;煸螒蛞曈X生成平臺也正式上線,面向工業(yè)級游戲資產(chǎn)生成,讓游戲美術設計效率提升數(shù)十倍。

近期,混元還將推出首個大規(guī)模、可漫游3D場景生成模型,支持沉浸式交互、多樣風格場景生成及360°全景漫游體驗,助力游戲、具身智能等行業(yè)創(chuàng)新。

混元3D模型下載量超160萬,多尺寸模型全面開源

騰訊云副總裁、騰訊混元大模型技術負責人王迪表示,混元正加速向智能化的深度與廣度邁進,為AI普惠與產(chǎn)業(yè)升級提供堅實支撐。混元堅定擁抱開源,持續(xù)推進多尺寸、多場景的全系模型開源。

目前,混元已實現(xiàn)圖像、視頻、3D、文本等在內(nèi)的全模態(tài)開源,其中,混元3D模型Hugging Face下載量超過160萬。未來,混元計劃推出多尺寸混合推理模型,從0.5B到32B的dense模型,以及激活13B的MoE模型,適配企業(yè)與端側不同需求?;煸獔D像、視頻、3D等多模態(tài)基礎模型及配套插件模型也將持續(xù)開源。

除模型開源外,混元面向行業(yè)推出混元訓練營,提供免費模型資源及技術支持,目前已有超過200家合作伙伴報名參與。

今年以來,騰訊在大模型領域的戰(zhàn)略和部署持續(xù)進化,步伐日益加快。近期,騰訊混元大模型研發(fā)體系全面重構,刷新團隊部署,加碼研發(fā)投入。伴隨投入加碼,騰訊AI戰(zhàn)略也正在加速落地。

目前,混元已深度融入騰訊各業(yè)務線,廣泛應用于微信、QQ、騰訊元寶、騰訊會議、騰訊文檔等核心產(chǎn)品,提升騰訊內(nèi)部產(chǎn)品的智能化水平,并通過騰訊云向外輸出模型能力,幫助企業(yè)和開發(fā)者創(chuàng)新提效。

分享到

zhupb

相關推薦