Моделът Luma Uni-1 Превъзхожда Google в Бенчмарковете за Разумяване на Изображения

Luma AI току-що пусна модела Luma Uni-1. Излезе на 23 март. Това е автрересивен трансформер — само декодер — който преплита текстови и изображителни токени. Първо осмисля намерението ви. После синтезира пиксели. Вижте, повечето генератори на изображения изплюват красиви снимки без да разбират 'защо'. Uni-1 разсъждава пространствено и логично. Побеждава Google Imagen и OpenAI's GPT-Image-1.5 в бенчмаркове като RISEBench. Както съобщава VentureBeat, вече е на разположение на lumalabs.ai. Безплатни тестове. Цени за API? Изключително ниски. Ето какво: това не е хайп. Това е промяна. Създателите получават контрол над сложни сцени. Няма повече криви ръце или невъзможни композирания. Видях достатъчно AI провали. Това се чувства различно.

RISEBench? Uni-1 постига 0.51 общо. Надминава Google Imagen 3. ODinW-13 достига 46.2 mAP в задачи за детекция. Човешките предпочитания я класират най-високо, според MarkTechPost. Завой: OpenAI's GPT-Image-1.5 изостава в пространственото разсъждение. Продуктите на Google отстъпват в логиката. Uni-1 печели и е 30% по-евтина за изпълнение. Не ще лъжа — това предимство в разсъжденията позволява прецизни визуализации. Мислете за последователни самоличности и безупречни композирания. Напредъци като тези вече задвижват специализирани инструменти за съдържание за възрастни, където контролът върху ключови кадри превръща статични изображения в плавни видеа. Създателите печелят голямо. Горещ взем: Дифузионните модели? Вчерашни новини. Авторесивните управляват за работа с фокус върху намерението.

API на $0.09 на изображение. До 30% по-ниски от конкурентите. Безплатни тестове на lumalabs.ai точно сега. Разширения за видео и аудио? Скоро. Luma Agents за работни процеси също. Диво. Корпоративна мощ на цени за независими. Най-накрая достъпни за самостоятелни създатели. Няма повече заключени инструменти.