Prezentujemy przegląd badań nad Self-Flow: skalowalnym podejściem do trenowania wielomodalnych modeli generatywnych. Generacja wielomodalna wymaga uczenia end-to-end w różnych modalnościach: obraz, wideo, dźwięk, tekst - bez ograniczeń związanych z zewnętrznymi modelami do uczenia reprezentacji. Self-Flow rozwiązuje to za pomocą samonadzorowanego dopasowywania przepływu, które efektywnie skaluje się w różnych modalnościach. Wyniki: • Do 2,8x szybsza zbieżność w różnych modalnościach. • Poprawiona spójność temporalna w wideo • Wyraźniejsze renderowanie tekstu i typografia To badania podstawowe na naszej drodze do multimodalnej inteligencji wizualnej.

Szybsza generacja pozwala na eksplorację większej liczby pomysłów na projekt. FLUX.2 [pro], nasz najczęściej używany model, jest teraz 2x szybszy bez utraty jakości i bez podwyżki ceny. Więcej przykładów w wątku 🧵

Dziś dzielimy się wynikami naszej oceny ryzyk zewnętrznych. Te ustalenia pokazują skuteczność naszych działań łagodzących przed, w trakcie i po każdym wydaniu, z >10x mniejszą liczbą podatności niż inne popularne modele AI o otwartej wadze. Black Forest Labs przesuwa granice inteligencji wizualnej. Nasz zespół wydał niektóre z najbardziej zdolnych i najpopularniejszych modeli AI na świecie. W miarę jak rośniemy, podejmujemy kroki, aby zwalczać nadużycia AI — i pokazać, że wysoka wydajność, otwarta innowacja i rozsądne zabezpieczenia idą w parze. Link do posta poniżej.