OpenAI wprowadziło trzy nowe modele: GPT-4.1 (dostępny tylko przez API), o3 (najinteligentniejszy model rozumujący, potrafiący „myśleć obrazami” i autonomicznie korzystać z narzędzi) oraz o4-mini (szybsza wersja, również z zaawansowanymi możliwościami).

Kluczowe funkcje modeli

Gemini 2.5 Flash to nowy przełomowy model AI od Google, który łączy zaawansowane zdolności rozumowania z efektywnością kosztową i szybkością. Jego kluczowe cechy, takie jak hybrydowe rozumowanie, obsługa ogromnych kontekstów, wielomodalność i integracja z narzędziami Google, czynią go wszechstronnym narzędziem dla deweloperów i użytkowników. Model jest dostępny za darmo w wersji preview, co umożliwia łatwe wypróbowanie jego możliwości.

Kluczowe funkcje i możliwości:

Kling AI, firma specjalizująca się w generowaniu wideo za pomocą AI, wprowadziła model Kling 2.0, który przynosi ulepszenia w rozumieniu poleceń, bardziej naturalnych ruchach postaci i nowym edytorze Multi-Elements, ułatwiającym edycję wideo.

Kling 2.0 wydaje się lepiej interpretować złożone polecenia użytkownika, szczególnie te obejmujące sekwencyjne akcje i ruchy kamery. Na przykład, model rozumie zarówno techniczne terminy, takie jak „85mm obiektyw z płytką głębią ostrości”, jak i ogólne instrukcje, takie jak „powoli zoomuj na postać”. To ulepszenie pozwala użytkownikom działać jak reżyserzy, precyzyjnie kontrolując treść wideo.

Jednym z kluczowych ulepszeń jest poprawa dynamiki ruchu. Postacie w Kling 2.0 prezentują szerszy zakres ruchów, które są płynne, naturalne i wysoko szczegółowe. Szczególnie godne uwagi są animacje chodzenia, które pokazują prawidłowe ustawienie stóp, reagują na tekstury powierzchni i utrzymują spójność przez sekwencje do 10 sekund, eliminując typowe dla AI „zacinanie się”. Na przykład, model zachowuje szczegóły podczas złożonych akcji, co zapewnia immersyjne doświadczenie dla widzów.

Kling 2.0 generuje wideo w jakości kinematograficznej, z rozdzielczością do 1080p, bogatymi detalami i profesjonalnym oświetleniem. Estetyka wizualna została dopracowana, aby wygenerowane treści wyglądały jak profesjonalne produkcje, a nie typowe materiały AI. Ulepszone możliwości ekspresji twarzy pozwalają na realistyczne ruchy i wyrazistość, co nadaje postaciom profesjonalny poziom „gry aktorskiej”. Model utrzymuje spójność stylu wizualnego, niezależnie od tego, czy zaczyna od tekstu, czy obrazu, co jest kluczowe dla profesjonalnego wyglądu.

Innowacyjną funkcją jest Edytor Multi-Elements, który umożliwia użytkownikom dodawanie, zamianę lub usuwanie elementów wideo za pomocą prostych wpisów tekstowych lub obrazów. Na przykład, użytkownik może wygenerować wideo, a następnie zmienić tło lub dodać postać, wszystko bezpośrednio w Kling 2.0, bez potrzeby korzystania z zewnętrznego oprogramowania. Ta funkcja wydaje się oferować niezwykłą elastyczność i kontrolę nad procesem edycji.

Kling 2.0 zapewnia spójność stylu wizualnego, co jest kluczowe dla utrzymania profesjonalnego wyglądu i uczucia. Niezależnie od tego, czy użytkownik zaczyna od tekstu, czy obrazu, model generuje wideo z jednolitym stylem, co ułatwia tworzenie spójnych i dopracowanych treści. To ulepszenie wydaje się szczególnie ważne dla twórców, którzy potrzebują utrzymać markę lub estetykę w swoich projektach.

Canva ogłosiła premierę Visual Suite 2.0, co jest największą aktualizacją od czasu powstania firmy w 2012 roku, jak podano na stronie Canva. Nowe funkcje obejmują:

Visual Suite 2.0 łączy kreatywność z produktywnością, eliminując potrzebę przeskakiwania między narzędziami, co czyni Canvę wszechstronną platformą dla profesjonalistów i amatorów.

Microsoft wprowadził ulepszenia do Microsoft Copilot.

Kluczowe zmiany to:

Te ulepszenia czynią Copilota bardziej wszechstronnym, szczególnie dla użytkowników biznesowych i indywidualnych.

xAI, firma Elona Muska, wprowadziła dwie nowe funkcje dla swojego asystenta AI, Groka, jak podano na stronie xAI i w X poście Alvara Cintasa. Są to:

OpenAI zaprezentowało Codex CLI, lokalnego agenta kodującego działającego w terminalach, który może czytać, edytować i wykonywać kod, korzystając z trzech trybów zatwierdzania, napędzany modelem o4-mini. To narzędzie przyspiesza programowanie, jak opisano w replice do X posta.

ByteDance wprowadziło Seaweed-7B, model generowania wideo z 7 miliardami parametrów, który przewyższa większe modele przy niższych kosztach treningu, co czyni go atrakcyjnym dla twórców wideo, jak podano w replice do X posta.

Anthropic dodało Claude’owi funkcję Autonomous Research, umożliwiającą przeszukiwanie Google Workspace, planowanie wielostopniowych zapytań i dostarczanie odpowiedzi z cytowanymi źródłami, co ułatwia dostęp do wiarygodnych informacji, jak opisano w replice do X posta.