xAI ने Imagine Image 2.0 को नए क्वालिटी मोड, iOS और Android ऐप्स के रूप में सामान्य उपलब्ध करा दिया है। यह अपडेट पेशेवर रचनात्मक कार्यप्रवाहों के लिए सटीक छवि निर्माण और संपादन पर केंद्रित है।
Nvidia के शोधकर्ताओं ने FusionRelight पेश किया है, जो एक विधि है जो भौतिक रूप से युक्तिसंगत प्रकाश स्थानांतरण को पहचान संरक्षण और संपीड़ित रियल-टाइम इनफरेंस के साथ जोड़ती है। यह दृष्टिकोण हाइब्रिड डोमेन नॉलेज फ्यूजन (HDKF) का उपयोग करता है, एक प्रशिक्षण ढांचा जो सिंथेटिक, वन-लाइट-एट-ए-टाइम (OLAT), और इन-द-वाइल्ड डेटा से भौतिकी, प्रतिबिंब और यथार्थता के पूर्वज्ञान को एक छात्र मॉडल में संक्षिप्त करता है।
शोधकर्ता Cluster-Guided Vector Quantization (CGVQ) प्रस्तुत करते हैं, जो गॉसियन प्राइमिटिव-आधारित छवि संपीड़न में दर-विकृति प्रदर्शन को बेहतर बनाने के लिए डिज़ाइन किया गया एक विधि है। दृष्टिकोण क्वांटीकरण से पहले गॉसियन पैरामीटर को समजात समूहों में विभाजित करता है, जिसमें प्रति प्राइमिटिव बड़ी संख्या में फ्लोटिंग-पॉइंट पैरामीटर संग्रहीत करने के कारण होने वाली अक्षमता को दूर किया जाता है।
NVIDIA ने CTRL-G (Controllable Generative Graphics for Games) पेश किया है, जो इंटरैक्टिव गेम वातावरण के भीतर जनरेटिव AI सिस्टम को नियंत्रित करने की चुनौती को संबोधित करने के लिए डिज़ाइन किया गया एक फ्रेमवर्क है।
Google ने तीन नए मॉडल जारी किए हैं: कुशल सामान्य-उद्देश्य एजेंट कार्यभार के लिए Gemini 3.6 Flash, कम विलंबता वाले अनुप्रयोगों के लिए 3.5 Flash-Lite, और CodeMender के साथ एकीकृत साइबर-विशेषज्ञ 3.5 Flash मॉडल।
Google ने arXiv पर उपलब्ध DiffusionGemma के लिए एक तकनीकी रिपोर्ट प्रकाशित की है। दस्तावेज़ में Gemma परिवार के हिस्से के रूप में मॉडल की वास्तुकला और क्षमताओं का विवरण दिया गया है।
DeepSeek v4 Flash मॉडल का प्रारंभिक परीक्षण इसके उपयोगकर्ता इंटरफ़ेस और उपयोगकर्ता अनुभव डिज़ाइन कौशल में उल्लेखनीय सुधार की ओर इशारा करता है। इन सुधारों के बावजूद, मॉडल को टोकन-भूखा बताया गया है।
Kavram एक उत्पादन छवि जनरेट करने वाली API का परीक्षण कर रहा है जो पाइपलाइन-विभाजित वितरित GPU नेटवर्क का उपयोग करती है, जिससे डेवलपर हार्डवेयर को स्वयं प्रबंधित किए बिना खुले छवि मॉडल तैनात कर सकें।
Hugging Face Diffusers अब `from_pretrained()` के माध्यम से Nunchaku Lite चेकपॉइंट्स को नेटिव रूप से लोड करने का समर्थन करता है, जिससे अलग इनफरेंस इंजन या स्थानीय CUDA कंपाइलेशन की आवश्यकता समाप्त हो जाती है। यह एकीकरण SVDQuant विधि का उपयोग करके 4-बिट वेट्स और एक्टिवेशन (W4A4) के साथ ट्रांसफॉर्मर लेयर को चलाता है, जिससे मेमोरी उपयोग काफी कम होता है और इनफरेंस गति में सुधार होता है।
माइक्रोसॉफ्ट ने Mage-Flow जारी किया है, जो कुशल टेक्स्ट-टू-इमेज जनरेशन और निर्देश-आधारित इमेज एडिटिंग के लिए डिज़ाइन किया गया एक कॉम्पैक्ट 4B-स्केल जेनेरेटिव स्टैक है। इस सिस्टम ने लाइटवेट टोकनाइजर, Mage-VAE, और नेटिव-रेज़ोल्यूशन मल्टीमोडल डिफ्यूजन ट्रान्सफॉर्मर (NR-MMDiT) के सह-डिज़ाइन के माध्यम से स्टेट-ऑफ़-द-आर्ट-कम्पिटिटिव गुणवत्ता हासिल की है।
NVIDIA और Hugging Face ने NVIDIA NeMo Automodel को 🤗 Diffusers लाइब्रेरी के साथ एकीकृत किया है ताकि ओपन-सोर्स डिफ्यूजन मॉडल्स के लिए उत्पादन-स्तरीय, वितरित प्रशिक्षण प्रदान किया जा सके। इस सहयोग से उपयोगकर्ताओं को किसी भी Diffusers-फॉर्मेट मॉडल को Hugging Face Hub पर बिना चेकपॉइंट रूपांतरण या मॉडल कोड पुनर्लेखन की आवश्यकता के फाइन-ट्यून करने की अनुमति मिलती है।
Hugging Face फोरम पर एक उपयोगकर्ता FireRed Image Edit v1.1 मॉडल के लिए INT8 या FP8 ConvRot संस्करण के संभावित विकास के बारे में पूछ रहा है।
Hugging Face चर्चा मंच पर एक उपयोगकर्ता toyxyz द्वारा पोस्ट किए गए तुलना छवि में "चित्र B" के लिए उपयोग किए गए विशिष्ट कलाकार टैग को पहचानने के लिए समुदाय से अनुरोध कर रहा है।