MiniMax H3 Repousse Les Limites De La Génération Vidéo En Générant Du Contenu Audio Et Vidéo De Manière Intégrée ; Ornith-1.5-35B-A3B Explore Un Nouveau Mode d'entraînement Auto-évolutif Pour Les Modèles d'inférence.

MiniMax H3 est un modèle génératif entièrement modal à usage général lancé par MiniMax.Cela permet au modèle de passer de la « compréhension du contenu » à la « génération unifiée ».Il peut traiter simultanément des entrées complexes telles que du texte, des images, de la vidéo et de l'audio, et générer directement des vidéos en fonction du contexte multimodal.Il prend en charge une résolution jusqu'à 2K, 24 images par seconde et une durée de 15 secondes. Contrairement aux modèles de génération vidéo traditionnels qui se concentrent sur une seule tâche, H3 unifie la génération de texte, d'images et de références vidéo, ainsi que les fonctionnalités de montage vidéo, au sein d'un seul modèle. Il utilise également un mécanisme de génération audiovisuelle conjoint pour générer simultanément les visuels, l'audio, les effets sonores et la musique. En pratique, ce modèle améliore encore ses capacités à suivre des instructions complexes, à afficher du texte et des logos de marque à l'écran et à effectuer des transferts de mouvement vidéo, offrant ainsi une solution de génération plus complète pour la publicité, le contenu de marque et la création multimodale.

Le modèle de génération vidéo multimodale « MiniMax H3 » est désormais disponible sur le site web d'HyperAI. Essayez-le !

Utilisation en ligne :https://go.hyper.ai/mQAmh

Aperçu rapide des mises à jour du site web officiel d'hyper.ai du 21 au 27 août :

* Tutoriels sélectionnés de haute qualité : 2

* Analyse des articles de la communauté : 2 articles

* Entrées d'encyclopédie populaire : 5

Principales conférences avec des dates limites en septembre : 6

Visitez le site officiel :hyper.ai

Tutoriels publics sélectionnés

1. MiniMax H3 : Un modèle de génération vidéo entièrement modal

MiniMax H3 est un modèle génératif multimodal polyvalent, lancé par MiniMax en juillet 2026. Il est capable de comprendre simultanément des contextes multimodaux complexes (texte, images, vidéo et audio) et de générer directement des vidéos jusqu'à une résolution 2K, 24 images par seconde et d'une durée de 15 secondes. Ce modèle présente quatre caractéristiques clés : la compréhension multimodale, la génération audiovisuelle intégrée, une conception unifiée des tâches et une qualité de sortie professionnelle. Il prend en charge des tâches telles que la génération de vidéos à partir de texte, d'images ou de références, ainsi que le montage vidéo, et peut générer simultanément des séquences vidéo, un son stéréo 32 kHz, des dialogues, des effets sonores et de la musique.

Exécutez en ligne :https://go.hyper.ai/mQAmh

2. Modèle d'inférence MoE auto-évolutif Ornith-1.5-35B-A3B

Ornith-1.5-35B-A3B-GGUF est une version quantifiée du modèle d'inférence MoE auto-évolutif GGUF, publié par ornith-ai en février 2026. Basé sur l'architecture Qwen3.5/Gemma4, ce modèle utilise un pipeline d'entraînement complet comprenant un pré-entraînement, un entraînement intermédiaire et un post-entraînement continus, et construit une boucle d'auto-amélioration de bout en bout, améliorant continuellement les capacités du modèle grâce à l'étape « génération de tâches → construction de l'échafaudage → déploiement et optimisation conjointe ». Contrairement aux méthodes d'entraînement traditionnelles qui reposent sur des ensembles de tâches manuelles fixes, Ornith-1.5-35B-A3B peut générer des tâches d'entraînement de manière autonome et les optimiser itérativement, offrant ainsi une nouvelle voie technique pour l'entraînement auto-évolutif des modèles d'inférence.

Exécutez en ligne :https://go.hyper.ai/WCZQo

Interprétation des articles communautaires

1.La capacité de l'IA 27B à reproduire les articles des scientifiques surpasse GPT-5.5/Claude Opus 4.8 ; Faraday explore l'innovation scientifique à long terme.

La reproductibilité des articles scientifiques se heurte à trois défis majeurs : l’information incomplète, l’exploration ouverte et l’absence de fonctions de récompense explicites. Inherent Labs a lancé Faraday, un agent scientifique IA qui exploite la reproductibilité des articles scientifiques basée sur le modèle LLM et surpasse Claude Opus 4.8 et GPT-5.5 sur de multiples tâches. Avec seulement 27 milliards de paramètres, Faraday peut guider efficacement des modèles comportant 5 000 milliards de paramètres, démontrant ainsi des capacités de recherche scientifique supérieures.

Exécutez en ligne :https://go.hyper.ai/OY0zO

2. Couvrant 11 disciplines et 60 tâches de recherche, l'université Tsinghua, le MIT, Harvard et d'autres ont proposé l'ASI-Bench pour tester les capacités de recherche indépendantes de l'IA.

Avec le développement rapide des grands modèles de langage et des technologies d'agents intelligents, l'IA évolue progressivement d'un rôle d'assistance à la recherche scientifique vers une recherche autonome. Cependant, les benchmarks existants se concentrent principalement sur la réponse à des questions basées sur les connaissances ou l'exécution de processus prédéterminés, ce qui rend difficile de déterminer si l'IA est réellement capable de concevoir des solutions de recherche de manière indépendante. Pour pallier ce manque, plus de dix institutions, dont l'Université Tsinghua, le MIT, l'Université Harvard, l'Université Carnegie Mellon et Microsoft Research, ont lancé conjointement ASI-Bench, développé par plus de 40 experts et ayant nécessité un investissement cumulé de plus de 31 000 heures de travail. Ce benchmark évalue les performances de l'IA en matière de recherche, depuis le guidage explicite jusqu'à l'autonomie complète, en réduisant progressivement les informations méthodologiques fournies par les humains. Il se concentre sur la mesure de sa capacité à explorer, concevoir des solutions et résoudre de manière autonome des problèmes scientifiques ouverts.

Exécutez en ligne :https://go.hyper.ai/vzWBd

Articles populaires de l'encyclopédie

1. Reconnaissance optique de caractères (OCR)

2. Modèle d'action mondial WAM

3. Télédétection

4. Glitch Token (terme utilisé pour décrire un terme lié aux bugs)

5. Modèle de transformation pré-entraîné génératif (GPT)

Voici des centaines de termes liés à l'IA compilés pour vous aider à comprendre « l'intelligence artificielle » ici :

https://go.hyper.ai/wiki

Voici tout le contenu de la sélection de l’éditeur de cette semaine. Si vous avez des ressources que vous souhaitez inclure sur le site officiel hyper.ai, vous êtes également invités à laisser un message ou à soumettre un article pour nous le dire !

À la semaine prochaine !