xAI 发布 Grok 图像生成模型 Aurora,采用自回归 MoE 架构
xAI 发布 Grok 新一代图像生成模型 Aurora,采用自回归混合专家架构,已在 X 平台向部分国家开放,一周内全量上线。Aurora 基于海量互联网样本训练,主打照片级真实感与文本指令遵循度,能精确渲染真实实体、文字、商标与人像。
推荐理由:原文给出了 Aurora 的自回归 MoE 架构、原生多模态图像输入与编辑能力,及其在 X 平台的分阶段上线节奏,便于与同代图像生成模型做横向对比。
技术方向
文字之外的能力:看懂图片、图文混合理解、音视频输入输出的模型与产品进展。
163 条精选近 30 天 138 条共收录 203 条
xAI 发布 Grok 新一代图像生成模型 Aurora,采用自回归混合专家架构,已在 X 平台向部分国家开放,一周内全量上线。Aurora 基于海量互联网样本训练,主打照片级真实感与文本指令遵循度,能精确渲染真实实体、文字、商标与人像。
推荐理由:原文给出了 Aurora 的自回归 MoE 架构、原生多模态图像输入与编辑能力,及其在 X 平台的分阶段上线节奏,便于与同代图像生成模型做横向对比。
xAI 发布 Grok-2 与 Grok-2 mini Beta,已在 𝕏 平台对 Premium 和 Premium+ 用户开放测试,企业 API 将于本月晚些时候上线。
推荐理由:原文给出 LMSYS Elo 排名与多项学术基准对比,读者可直接看到 Grok-2 与 GPT-4 Turbo、Claude 3.5 Sonnet 的相对位置。
xAI 发布首个多模态模型 Grok-1.5V 预览版,可处理文档、图表、截图和照片等视觉信息,将向早期测试者和现有 Grok 用户开放。
推荐理由:横向对比了 GPT-4V、Claude 3、Gemini Pro 1.5 在多模态基准上的表现,并同步开源真实空间理解基准 RealWorldQA。