今天與 {{active_subscriber_count}}+ 位讀者一起看：
🗞️｜OpenAI 轉型「營利公司」
🚀｜Qwen 視覺推理模型 QVQ
📊｜DeepSeek 開源模型 V3
🧭｜2024 AI 趨勢報告
🔬｜AI 足球分析技術
🔍｜AI 進步神速，測試全面升級
🗞️ NEWS
OpenAI 宣布即將轉型為「營利公司」
圖片來源：OpenAI
OpenAI 宣布即將正式從「非營利公司」轉型為「營利公司」，以便吸引更多投資，滿足 AI 開發所需的龐大資金需求。
現有非營利 + 營利雙結構：已經無法支撐龐大的資金需求。
計畫將原有營利部門轉型：「公共利益公司（PBC）」擁有傳統股權結構，能更有效吸引資金投資。
未來 PBC、非營利組織並行：PBC 專注在技術開發、商業化；非營利組織專注在公益事業。
目前 PBC 架構廣受多家 AI 公司採用，包括 Anthropic、xAI，能平衡股東利益、利害關係人需求，以及公共利益。
🧰 TOOLS
AI 簡報工具 Gamma：把簡報交給 AI 做！
來自合作夥伴：Gamma
Gamma 是一款 AI 驅動的簡報工具，只需要不到 1 分鐘的時間，就能自動完成一份簡報、文件甚至是網頁！
你不再需要簡報模板
只需一鍵，就能重新設計整份簡報
能夠線上分享你的簡報，獲得數據分析
能在任何設備上分享：筆型、平板、手機
能夠嵌入任何内容：GIF、影片、圖表、網站
除了 AI 功能外，它能在簡報嵌入各種的內容真的非常方便，推薦還沒使用過 Gamma 的讀者，免費嘗試看看
🚀 LAUNCH
Qwen 推出全新視覺推理模型 QVQ
圖片來源：Qwen
Qwen 團隊推出全新 QVQ-72B 模型，專為 AI 的視覺理解與複雜問題解決能力而設計，可能是目前第一個開源的視覺推理模型。
模型以 Qwen2-VL-72B 為基礎，在 MMMU 基準測試中得到 70.3，比前代模型進步許多。
在 MathVision、MathVista 與 OlympiadBench 等數學、科學相關測試表現優異。
引入逐步推理方法，在視覺相關任務上能有更高的準確性與效率。
局限性：在逐步推理中可能出現冗長、重複的回答，難以達成結論，以及逐漸忽略圖像細節。
📊 CHART
DeepSeek 全新開源模型 V3
圖片來源：DeepSeek
DeepSeek 發佈全新開源模型 V3，此模型僅用約 280 萬 GPU-hours 計算量訓練，是同等級模型 LLaMA 3 (405B) 的 1/11。
模型以 14.8 兆高品質文本進行訓練，總參數達 671B。
僅用 2048 張 GPU 運行 2 個月（$600 萬） 完成訓練，遠低於同級模型需求。
API 輸入成本僅需 $0.27/百萬 tokens，但能達到目前頂尖模型的性能水準。
AI 是否不再需要大規模 GPU 訓練：Andrej Karpathy 認為仍需要大型資源訓練，但透過數據、算法改進，訓練效率仍有很大的提升空間。
🧭 GUIDE
2024 AI 趨勢報告：了解今年 AI 整年發展
圖片來源：Artificial Analysis
Artificial Analysis 最新報告《Artificial Analysis AI Review - 2024 Highlights》總結了今年 AI 的重要趨勢，亮點重點整理：
多家實驗室追上 OpenAI 的 GPT-4，甚至出現超越 GPT-4 的模型。
美國目前在 AI 領域佔據主導地位，但優勢可能只是暫時的。
開源模型、閉源模型之間的差距大幅縮小。
語言模型的推理成本明顯降低，高階、基礎模型都是如此。
小型模型的出現，成為推理成本下降與運算速度提升的關鍵因素。
🔬 RESEARCH
AI 足球分析技術：能看懂比賽、解說、協助裁判
圖片來源：Towards Universal Soccer Video Understanding
上海交通大學、阿里巴巴團隊開發了 AI 足球分析技術，能看懂足球比賽，進行解說、協助裁判…
MatchVision 可以辨識 24 種比賽事件，例如：進球、犯規、控球變化，並提供自然流暢的解說評論。
資料庫「SoccerReplay-1988」涵蓋 2014 至 2024 年歐洲聯賽與冠軍聯賽近 2,000 場完整比賽，超過 3,300 小時影片和 15 萬段解說評論。
該系統準確率高達 84%，不僅能生成解說，還能協助裁判判決。
研究發現：AI 與人類解說的關注重點不同，AI 偏重技術細節、戰術分析，人類則更擅長捕捉比賽故事氛圍。
🔍 INSIGHT
AI 模型進步神速，AI 測試也全面升級
圖片來源：Time
《Time》最新文章指出：傳統 AI 測試已經難以衡量其真正實力，新型高難度測試正在迅速推出：
FrontierMath（Epoch AI）：由超過 60 位數學家設計約 300 題難題，從高中一路到研究員程度，不公開完整題目，避免被 AI 查到答案。
Humanity’s Last Exam：希望收集更大量、跨物理生物等多領域的題目，題目必須是「所有現有模型都無法解」，預計 2024～2025 年推出。
RE-Bench（METR）：模擬真實工程流程，讓 AI 和人類在限定時間內解決實際開發任務。
為什麼需要這些高難度測試：能確保 AI 不是只會背答案，並提早發現可能的危險能力，也為新模型的發布與安全措施提供客觀依據。
🤝 ADVERTISING
與 {{active_subscriber_count}}+ 位讀者分享你的產品與服務
《Brief AI 電子報》讀者近 50% 擁有碩士以上學歷；管理階層超過 40%，資深職員超過 30%；來自國內外多間知名企業…
