30 秒看懂
在这期 2024 年 11 月 22 日的新闻汇总中，Matthew Berman 讨论了 AGI 的预测、Figure 在 BMW 工厂的演示、FLUX.1 Tools、Qwen2.5-Turbo 和其他 AI 产品。文章将公司的性能数据和对未来的预测作为当时的说法，而非独立验证的结果。
- 1Figure 在 BMW 的演示Brett Adcock 称 Figure 02 机器人速度更快、成功率更高；部分演示画面经过加速。
- 2四种 FLUX 工具Black Forest Labs 展示了图像填充、深度和边缘引导，以及图像变体生成。
- 3百万 token 上下文Qwen 报告了更长的上下文、通行码检索结果以及特定长输入下更快的首 token 延迟。
- 4地理空间扫描Niantic 介绍了在大型地理空间模型中使用地点扫描数据和视觉定位技术的工作。
- 5量子错误识别Google DeepMind 推出 AlphaQubit，用于识别量子计算机中的错误。
要点建议
- Musk 关于 2026 年实现 AGI 的说法是预测；Figure 机器人的速度和成功率数据则来自公司。
- FLUX.1 Tools 通过 Fill、Depth、Canny 和 Redux 提供图像编辑和结构引导功能。
- Qwen 关于百万 token 检索和速度的数据对应特定测试，并不代表所有任务的表现。
- Niantic 的地理空间研究使用地点扫描数据，其未来用途引出值得讨论的问题。
- AlphaQubit 用于识别量子计算中的错误，只是实现实用量子计算这一更大挑战的一部分。
按章节阅读整理后的全文
AGI 预测与工厂机器人
Berman 讨论 Musk 的 AGI 预测和 Figure 在 BMW 的演示，并考虑机器人的速度和安全限制。
在这期 2024 年 11 月的新闻汇总中，我先谈 Elon Musk 的预测：AGI 最迟会在 2026 年出现。他过去的时间预测并不总是准确，这是一项预测，而非已经确定的期限。
Figure 首席执行官 Brett Adcock 分享了 Figure 02 人形机器人在 BMW 工厂工作的画面。他称自主机器人队列的速度提高了 400%，成功率提高了七倍；这些是公司报告的数据，部分画面经过加速。
提高速度既受执行器等硬件限制，也受安全要求约束：速度越快，失误造成的代价可能越大。我期待机器人最终能够帮忙做家务，但工厂演示并不能证明它们已经具备这种能力。
FLUX 图像控制
Black Forest Labs 推出 Fill、Depth、Canny 和 Redux，并用示例展示图像编辑和引导。
Black Forest Labs 宣布推出 FLUX.1 Tools，用于编辑图像和控制生成过程，而不只是从头生成图像。公告称 dev 系列模型以开放访问方式提供，也可通过 API 使用；具体可用性和许可取决于各个模型。
FLUX.1 Fill 根据文字描述和二值蒙版进行图像局部填充或扩图。一个示例修改了招牌，另一个则把一只眼睛的小图扩展成更大的肖像。
FLUX.1 Depth 使用从输入图像提取的深度图引导生成；FLUX.1 Canny 则使用检测到的边缘和文字提示。两者都提供结构约束，同时允许生成图像的外观发生变化。
FLUX.1 Redux 可以结合提示词混合或重新生成输入图像。演示将一只卡通鸭子变成玻璃雕塑、3D 模型和动漫场景等不同版本。
长上下文与语音智能体
Qwen 报告了更长的上下文和更快的处理速度。ElevenLabs 推出可配置的对话智能体。
Qwen 宣布 Qwen2.5-Turbo 的上下文窗口从 12.8 万扩展到 100 万 token。其报告的 100% 准确率针对一项特定的百万 token 通行码检索测试，并不适用于所有长上下文任务。
公告称，处理百万 token 上下文时的首 token 延迟从 4.9 分钟降至 68 秒，提速 4.3 倍，所报价格保持不变。这些是供应商在其说明条件下的数据，并不保证所有工作负载都有同样表现。
ElevenLabs 推出了构建对话智能体的工具，用户可以配置声音和回答长度。开发者还能通过文件、网址或文本提供知识库，并接入自己的语言模型。
地图、音乐与记忆
Niantic 介绍地理空间 AI，Suno 宣布 V4，Gemini 增加记忆功能。
Niantic 介绍了一个大型地理空间模型，使用来自 Pokémon GO 等产品的扫描数据。其视觉定位系统结合手机图像和由地点扫描构建的 3D 地图进行定位。我好奇公司最终会如何使用这些数据，但未来商业计划仍属猜测。
Suno 宣布推出 V4 音乐模型，声称音质更好、歌词更清晰、歌曲结构更有变化。功能包括重新制作已有曲目、辅助写歌词和生成封面；我播放了一段样本，觉得它像当代流行音乐。
Google 开始向 Gemini Advanced 用户推出记住兴趣和偏好的功能。根据公告，用户可以要求它记住信息、查看或编辑和删除信息，并看到信息何时被使用。
推理、量子错误与写作
Berman 介绍桌面语音、DeepSeek 推理模型预览和 AlphaQubit，最后谈到 GPT-4o 的写作更新。
OpenAI 将高级语音模式带到桌面版 ChatGPT。我欢迎这项更新，虽然我觉得语音模式偶尔会出错和重复；我平时经常使用 ChatGPT 和 Perplexity。
DeepSeek 提供了一款推理模型的预览，模型会先花时间处理问题再回答。我欢迎开放提供推理模型的前景，但在这期视频发布时，该模型尚不能下载。
Google DeepMind 推出 AlphaQubit，这是一套用于识别量子计算机错误的 AI 系统。噪声使量子计算变得困难，更好的错误解码有助于应对这个问题；但这本身并不意味着日常实用的量子计算已经到来。
OpenAI 还宣布更新 GPT-4o，目标是让创意写作更自然、更实用，并改善对上传文件的回答。我一直觉得语言模型的文章容易重复、充斥空话，所以想测试这次更新是否有所改善。
同频道的其他文章
25:50EN → 简体中文
32:20EN → 简体中文
45:08EN → 简体中文
0:32EN → 简体中文
12:14EN → 简体中文
10:36EN → 简体中文