# Bài viết Liên quan AI Đa phương thức

Trung tâm Tin tức HTX cung cấp những bài viết mới nhất và phân tích chuyên sâu về "AI Đa phương thức", bao gồm xu hướng thị trường, cập nhật dự án, phát triển công nghệ và chính sách quản lý trong ngành tiền kỹ thuật số.

OpenAI tung đòn lớn, mệnh lệnh SaaS bị cách mạng hóa với câu lệnh tạo website

OpenAI vừa công bố hai đột phá lớn: ChatGPT Sites chính thức mở thử nghiệm công khai và GPT-6 thể hiện khả năng đa phương thức vượt trội. ChatGPT Sites cho phép bất kỳ ai, dù không biết lập trình, chỉ cần dùng mô tả bằng ngôn ngữ tự nhiên hoặc tải lên bản phác thảo, để tạo ra một trang web tương tác, chuyên nghiệp chỉ trong 10-15 phút. Công cụ này hỗ trợ tạo nhiều loại trang từ cửa hàng thương mại điện tử đến công cụ nghệ thuật và trò chơi với vật lý phức tạp. Người dùng có thể chỉnh sửa trực tiếp thông qua tính năng chú thích, biến quá trình phát triển giao diện thành việc thể hiện ý định thuần túy, đe dọa cách mạng hóa ngành công nghiệp SaaS xây dựng website truyền thống. Song song đó, các thử nghiệm cho thấy GPT-6 có khả năng "hiểu" cấu trúc vật lý của thế giới. Trong trạng thái ngoại tuyến, chỉ dựa trên một hình ảnh phổ tần Mel (biểu diễn hình ảnh của âm thanh), GPT-6 có thể nhận dạng chính xác tiếng gọi của cá voi xanh và cả hiệu ứng âm thanh lightsaber trong "Star Wars". Điều này chứng tỏ AI không còn chỉ bắt chước giác quan của con người mà đang phát triển khả năng giải mã nguyên bản các dạng dữ liệu vật lý, mở ra tiềm năng to lớn cho việc phân tích các tín hiệu phức tạp như sóng địa chấn hoặc sóng não. Cả hai tiến bộ này đánh dấu một bước nhảy vọt trong việc thu hẹp khoảng cách giữa ý định của con người và kết quả kỹ thuật số, đồng thời mở rộng đáng kể phạm vi nhận thức và sáng tạo của trí tuệ nhân tạo.

marsbit09/08 04:34

OpenAI tung đòn lớn, mệnh lệnh SaaS bị cách mạng hóa với câu lệnh tạo website

marsbit09/08 04:34

Buổi phỏng vấn mới của Lý Phi Phi: LLM dự đoán Token, mô hình thế giới dự đoán 'góc nhìn mới'

Trong một cuộc phỏng vấn mới đây, Giáo sư Lý Phi Phi và các đồng sáng lập của World Labs là Justin Johnson và Ben Mildenhall đã giải thích chi tiết về mô hình thế giới đa phương thức Atlas vừa được công bố. Trọng tâm của cuộc thảo luận là khái niệm "dự đoán góc nhìn mới" mà Atlas thực hiện, được đặt ngang hàng với "dự đoán token tiếp theo" của các LLM như một nguyên thủy cơ bản hướng tới AGI. Khác với các mô hình video chỉ dự đoán khung hình tiếp theo, Atlas nhận vào một vài hình ảnh có kèm thông tin tư thế camera, từ đó hiểu được mối quan hệ không gian giữa các khung hình và tạo ra góc nhìn mới từ bất kỳ vị trí nào. Điều này cho phép nó thống nhất hai nhiệm vụ trước đây tách biệt: tạo sinh nội dung mới và tái tạo không gian thực từ ảnh chụp. Một ứng dụng thực tế nổi bật là khả năng tạo video "bullet-time" (thời gian đóng băng) kiểu "Ma trận" chỉ với vài ba chiếc iPhone, thay vì hàng trăm máy ảnh chuyên nghiệp. Quan trọng hơn, Atlas hứa hẹn cách mạng hóa lĩnh vực robot bằng cách giảm mạnh lượng dữ liệu 3D cần thu thập để xây dựng môi trường mô phỏng đào tạo, qua đó giải quyết nghẽn cổ chính về dữ liệu trong ngành. Nhóm nghiên cứu nhấn mạnh rằng đây mới chỉ là bước đầu. Lộ trình tương lai bao gồm bổ sung khả năng xử lý chuyển động động, chỉnh sửa và tương tác với thế giới ảo, hướng tới một mô hình không chỉ tạo ra mà còn hiểu và mô phỏng cách thế giới phản ứng với các hành động.

marsbit09/07 01:02

Buổi phỏng vấn mới của Lý Phi Phi: LLM dự đoán Token, mô hình thế giới dự đoán 'góc nhìn mới'

marsbit09/07 01:02

GPT-6 Bạn diễn tuyệt vời nhất = Byte Seedance

GPT-6 và Seedance 2.5 của ByteDance đang hợp tác để tự động hóa quy trình sản xuất video, từ ý tưởng đến thành phẩm. GPT-6 đảm nhận vai trò "đạo diễn AI", xử lý toàn bộ quy trình: viết kịch bản, dựng cảnh 3D sơ bộ trong Blender (previs), lên kế hoạch phân cảnh và cuối cùng là biên tập video. Seedance 2.5 đóng vai trò then chốt trong việc tạo ra các cảnh quay video hoàn chỉnh với chất lượng đồ họa ấn tượng, dựa trên các hướng dẫn và khung hình tham chiếu do GPT-6 cung cấp. Bộ đôi này đã tạo ra nhiều video thử nghiệm như cảnh đấu kiếm anime, phim ngắn trong làng Lá (Naruto), và thậm chí chuyển thể một bộ phim ngắn Trung Quốc sang phiên bản Mỹ. Seedance 2.5 cũng được các mô hình AI lớn khác như Fable 5.1 và Gemini 3.8 Flash sử dụng để tạo video, cho thấy khả năng tạo hình ảnh đa dạng (như thủy mặc, truyện kinh dị Nhật Bản). Ngoài sản xuất video, GPT-6 còn được thử nghiệm trong vai trò chỉnh màu chuyên nghiệp trên DaVinci Resolve, cho thấy tiềm năng xử lý các tác vụ sáng tạo phức tạp. Sự kết hợp này đánh dấu một bước tiến trong việc AI điều phối nhiều công cụ chuyên nghiệp để thực hiện các dự án sáng tạo phức tạp với sự can thiệp tối thiểu của con người.

marsbit09/06 04:58

GPT-6 Bạn diễn tuyệt vời nhất = Byte Seedance

marsbit09/06 04:58

OpenAI ra mắt GPT Image mới, vượt mặt Image 2, cuối cùng cũng hết hiệu ứng 'nhựa'

OpenAI vừa trình làng mô hình hình ảnh mới có mã danh "mona-lisa-1" trên LM Arena. Qua các bài kiểm tra thực tế, mô hình này được đánh giá vượt trội so với GPT Image 2 về độ chân thực, giảm đáng kể cảm giác "nhựa" và cải thiện chi tiết, ánh sáng cùng độ phong phú trong hình ảnh. Nó xử lý tốt nhiều tác vụ phức tạp như tạo giao diện web, sơ đồ thông tin, hình ảnh y khoa chi tiết và cả tranh nghệ thuật. Bằng chứng từ công cụ SynthID xác nhận đây là sản phẩm của OpenAI. Mô hình dường như được huấn luyện từ năm ngoái, với kiến thức cập nhật đến năm 2025, tương tự GPT Image 2. Điều này cho thấy nó có thể là một phiên bản checkpoint mới được phát triển trên nền tảng hiện có hơn là một kiến trúc hoàn toàn mới. Hậu tố "-1" trong mã danh ám chỉ rằng đây có thể chưa phải là phiên bản cuối cùng. Việc OpenAI liên tục nâng cấp và tự vượt mặt chính mình, chỉ bốn tháng sau khi GPT Image 2 ra mắt, cho thấy tốc độ phát triển nhanh chóng trong lĩnh vực AI tạo sinh hình ảnh và hứa hẹn một bước tiến lớn hơn nữa khi phiên bản chính thức được công bố.

marsbit08/10 03:44

OpenAI ra mắt GPT Image mới, vượt mặt Image 2, cuối cùng cũng hết hiệu ứng 'nhựa'

marsbit08/10 03:44

Khám phá AGI thế giới vật lý với 'Suy luận thị giác', ElorianAI huy động được 55 triệu USD

Mặc dù AI mô hình lớn đã vượt trội trong lập trình và toán học, khả năng lập luận thị giác của chúng vẫn chỉ ở mức trẻ 3 tuổi. ElorianAI, do Andrew Dai (cựu Google DeepMind) và Yinfei Yang (chuyên gia AI của Apple) sáng lập, đã huy động 55 triệu USD để phát triển mô hình đa phương thức "suy nghĩ nguyên sinh trong không gian thị giác", nhằm đạt được AGI cho thế giới vật lý. Thay vì chuyển đổi hình ảnh thành văn bản như VLM truyền thống, họ xây dựng kiến trúc mới để AI trực tiếp thao tác và hiểu sâu biểu diễn thị giác, kết hợp dữ liệu tổng hợp chất lượng cao. Mô hình dự kiến ra mắt năm 2026, hứa hẹn ứng dụng trong robot, quản lý thiên tai và kỹ thuật, nơi cần ra quyết định phức tạp trong môi trường vật lý.

marsbit04/23 10:12