**NO.**1

腾讯 HunyuanVideo 视频生成大模型，单次生成5秒视频

12月3日，腾讯混元大模型宣布混元视频生成大模型 HunYuanVideo 正式上线并开源。

腾讯 HunyuanVideo

• _官网：_https://aivideo.hunyuan.tencent.com

• _代码：_https://github.com/Tencent/HunyuanVideo

• _模型：_https://huggingface.co/tencent/HunyuanVideo

• _技术报告：_https://github.com/Tencent/HunyuanVideo/blob/main/assets/hunyuanvideo.pdf

HunyuanVideo 是目前开源模型中参数最多、性能最强的文生视频大模型。它包含 130 亿参数，可以生成较强物理准确性以及一致性镜头的视频。

HunyuanVideo 不仅能实现文生视频模型的基础能力，比如生成画面符合提示词、流畅、不易变形等，而且具备一些独特的能力。

尤其是，HunYuanVieo 能够在保持画面主角不变的情况下，自动切换镜头，这是目前业界大部分文生视频模型不具备的能力。

为了达到这些独特的能力，腾讯混元进行了专项能力的微调，包括_画质、高动态、艺术镜头、手写、转场和连续动作_六个方面。

HunYuanVideo 生成的单个视频最长时长为 5 秒，在标准模式下生成一个视频所需时间为 120 秒。

HunYuanVideo 首个版本主要有 4 大特色：

1. 画质偏写实；

2. 进行大幅度动作时仍具有流畅性；

3. 能够理解复杂文本以及进行多主体交互；

4. 支持原生转场，主体保持直出的同时多镜头切换。

HunYuanVideo 背后的 4 项关键技术升级：

1. 模型采用了一个超大规模的数据处理系统。

2. 模型引入了多模态大语言模型（Decoder-only MLLM）作为文本编码器，提升了复杂文本的理解能力，同时支持多语言理解。

3. 模型架构使用了130亿参数的全注意力机制（DIT）和双模态ScalingLaw，能够在视频生成中有效利用算力和数据资源，增强时空建模能力，并优化视频生成过程中的动态表现。

4. 模型采用了自研的3D VAE架构，以提升图像和视频重建的能力，特别在小人脸和大幅运动场景下表现更加流畅。

为了评估 HunyuanVideo 的能力，研究团队选择了四个闭源视频生成模型作为对比。

视频根据三个标准进行评估：文本对齐（Text Alignment）、运动质量（Motion Quality）和视觉质量（Visual Quality）。

60 多名专业评估人员进行了评估。

值得注意的是，HunYuanVideo的整体表现最佳，尤其是在运动质量方面。

注意，该评估基于 HunYuanVideo 的高质量版本。这与目前发布的快速版不同。

除了基础的视频生成能力外，腾讯还拓展了 HunYuanVideo 的应用功能，推出了视频配音与配乐功能，能够为生成的视频提供音效与背景音乐，进一步提升视频的完整性和表现。

此外，腾讯还推出了驱动2D照片数字人的技术，支持通过语音、姿态和表情等多种驱动方式控制照片数字人的动态表现，增强了生成内容的自然度、一致性和可控性。

**NO.**2

INTELLECT-1：全球首个去中心化训练的10B级模型

近日，美国初创公司 Prime Intellect 推出了首个去中心化的 100 亿参数模型训练项目 INTELLECT-1，在此前的原始研究基础上将参数量提升了 25 倍。

什么是去中心化训练？
随着模型的参数量，单一设备的算力已无法满足训练需求，因此需要将模型拆分为多个部分，并分配到不同的计算节点（通常是多个 GPU）上进行训练，这就是我们称之为分布式训练（Distributed Training）的方法。其原理就是将训练负担拆分至多个计算节点，利用并行计算缩短训练时间。

图：分布式训练的数据并行

Prime Intellect 的这场去中心化训练的规模其实相当大，涉及到 3 个大洲的 5 个国家，同时运行了 112 台 H100 GPU。

INTELLECT-1

• _技术报告：_https://github.com/PrimeIntellect-ai/prime/blob/main/INTELLECT_1_Technical_Report.pdf

• _Hugging Face 页面：_https://huggingface.co/PrimeIntellect/INTELLECT-1-Instruct

• _GitHub 地址：_https://github.com/PrimeIntellect-ai/prime

• _体验链接：_chat.primeintellect.ai

INTELLECT-1 是一个以去中心化、由社区协作训练的10B参数语言模型，专注于从头开始训练，使用1万亿个英语文本和代码token。该模型在全球分布的 14 个节点上进行训练，旨在实现高性能和容错的动态扩展。

在模型评估中，INTELLECT-1 在多个基准测试中表现优异，其性能与许多集中式训练的开源模型相当甚至有所超越。例如，在 MMLU 5-shot、ARC-Challenge 25-shot 等基准测试中，INTELLECT-1 取得的分数高于除 LLaMA2-13B 之外的其他同类模型。

图：在不同基准测试上的结果

作为全球首个 10B 参数的去中心化训练模型，INTELLECT-1 让我们看到，利用分布式计算资源来训练前沿的 AI 模型的可能性。

**NO.**3

Cognify：一个提升生成式AI工作流的多功能优化工具

在生成式人工智能（AI）迅速发展的背景下，创建高质量且低成本的生成式AI应用仍然面临诸多挑战。

UCSD 的张怡颖教授及其 GenseeAI 团队近日推出了一款名为 Cognify 的新工具，这一工具旨在自动提升AI工作流的生成质量，并显著降低生成成本，受到业界的广泛瞩目。

• 开源地址：https://github.com/GenseeAI/cognify

Cognify 是一个专为生成式AI工作流设计的多功能优化工具。它通过自动化的方式提升生成质量并降低执行成本，支持 LangChain、DSPy 及注释 Python 编写的工作流。

Cognify 基于层次化的工作流级别优化，能够将生成质量提高至多 48%，并将执行成本降低至 9 倍。用户可以通过简单的CLI接口使用 Cognify，支持现有 Python 工作流的移植和新工作流的开发。

Cognify 的最大亮点在于其创新的分层工作流优化方法。Cognify 通过实验各种 Cog 组合，并通过最终生成的质量评估这些组合的效果，从而优化整个工作流。

与 Cognify 同时推出的还有 CogHub，它是一个集合开源AI工作流优化方法的资源平台，类似于 HuggingFace 聚合开源模型。

如何学习AI大模型 ？

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。【保证100%免费】🆓

CSDN粉丝独家福利

这份完整版的 AI 大模型学习资料已经上传CSDN，朋友们如果需要可以扫描下方二维码&点击下方CSDN官方认证链接免费领取 【保证100%免费】

读者福利： 👉👉CSDN大礼包：《最新AI大模型学习资源包》免费分享 👈👈

（👆👆👆安全链接，放心点击）

对于0基础小白入门：

如果你是零基础小白，想快速入门大模型是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

👉1.大模型入门学习思维导图👈

要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。

对于从来没有接触过AI大模型的同学，我们帮你准备了详细的学习成长路线图&学习规划。可以说是最科学最系统的学习路线，大家跟着这个大的方向学习准没问题。（全套教程文末领取哈）

👉2.AGI大模型配套视频👈

很多朋友都不喜欢晦涩的文字，我也为大家准备了视频教程，每个章节都是当前板块的精华浓缩。

👉3.大模型实际应用报告合集👈

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。（全套教程文末领取哈）

👉4.大模型落地应用案例PPT👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。（全套教程文末领取哈）

👉5.大模型经典学习电子书👈

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。（全套教程文末领取哈）

👉6.大模型面试题&答案👈

截至目前大模型已经超过200个，在大模型纵横的时代，不仅大模型技术越来越卷，就连大模型相关的岗位和面试也开始越来越卷了。为了让大家更容易上车大模型算法赛道，我总结了大模型常考的面试题。（全套教程文末领取哈）

👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习

CSDN粉丝独家福利

这份完整版的 AI 大模型学习资料已经上传CSDN，朋友们如果需要可以扫描下方二维码&点击下方CSDN官方认证链接免费领取 【保证100%免费】

读者福利： 👉👉CSDN大礼包：《最新AI大模型学习资源包》免费分享 👈👈

（👆👆👆安全链接，放心点击）