Lanseeraamme Artificial Analysis Word Error Rate Index (AA-WER) -indeksin, joka on uusi synteesivertailumme puheesta tekstiksi -mallin tarkkuudelle, joka koostuu 3 haastavasta tietojoukosta AA-WER koostuu kolmesta haastavasta tietojoukosta, jotka on linjassa todellisten käyttötapausten kanssa: AMI-SDM (usean puhujan kokoukset), Earnings-22 (tulospuhelut) ja VoxPopuli (parlamentaariset menettelyt). Nämä tietojoukot testaavat tekoälyn transkription rajoja erilaisissa olosuhteissa. Puheen transkriptio kehittyy nopeasti, ja uusia malleja, palveluntarjoajia ja käyttöönottotapauksia ilmaantuu. AA-WER tarjoaa yhden transkription tarkkuuden mittauksen käyttämällä Wordin virheprosenttia - väärin litteroitujen sanojen prosenttiosuutta verrattuna ihmisen tuottamiin transkriptioihin, joissa pienempi on parempi. AA-WER:n tärkeimmät tiedot: ➤ Sisällytetyt tietojoukot: Arvioimme ~2 tuntia kustakin kolmesta toisiaan täydentävästä tietojoukosta, jotka edustavat erilaisia todellisia haasteita. VoxPopuli sisältää EU:n parlamentaariset asiakirjat, joissa on monikielisiä puhujia. Tulos-22 sisältää yritysten tulospuhelut, joissa on teknistä talouskieltä ja päällekkäisiä puhujia. AMI-SDM koostuu usean kaiuttimen kokouksista, jotka on tallennettu yksittäisillä kaukaisilla mikrofoneilla meluisissa ympäristöissä. ➤ Mallin suorituskyky: @GoogleAI:n Chirp 2 johtaa 11,6 % AA-WER:llä, jota seuraa NVIDIAn Canary Qwen 2,5B 13,2 %, NVIDIAn Parakeet TDT 0,6B V2 13,7 %, @awscloud Amazon Transcribe 14,0 % ja @Speechmatics Enhanced 14,4 %. @NVIDIAAI esiintyy kahdesti top 5:ssä vahvalla suorituskyvyllä erilaisissa ääniolosuhteissa. Whisperiin verrattuna OpenAI:n GPT-4o Transcribe tasoittaa transkriptioita, mikä johtaa heikompaan sanasta sanaan -tarkkuuteen erityisesti vähemmän jäsennellyssä puheessa, kuten kokouksissa ja tulospuheluissa. ➤ WER selitetty: Word Error Rate mittaa transkription tarkkuutta muokkaamalla etäisyyslaskelmia kaavalla: WER = (Korvaukset + lisäykset + poistot) ÷ sanat viittauksessa. Esimerkiksi viiteen "kissa istui matolla" ja hypoteesin "kissa on isolla matolla" vertailu tuottaa poistovirheitä (the), korvaamista (sat → on) ja lisäystä (iso), jolloin WER = 3 ÷ 6 = 50%.

Luma Labs on julkaissut Ray 3:n, ensimmäisen videomallin, jossa on 16-bittinen HDR-tuki ja merkittävä päivitys Ray 2 -malliinsa verrattuna Ray 3 iteroi ajatusketjun avulla videosukupolvia ja analysoi niitä jokaisessa vaiheessa varmistaakseen, että laatupalkki ja nopea noudattaminen täyttyvät. Malli tukee sekä T2V- että I2V-sukupolvia. Tyypillisten SDR-sukupolvien lisäksi Ray 3 esittelee HDR-tuen. Tämä mahdollistaa HDR-videon luomisen SDR-kuvista ja jopa olemassa olevien SDR-videoiden muuntamisen HDR:ksi. Tällä hetkellä Ray 3 on saatavilla vain Luma Dream Machinelle, eikä API-käyttöoikeus ole vielä saatavilla. Katso säde 3 itse keinotekoisen analyysin videoareenalla. Julkaisemme arviointimme tulokset lähipäivinä!

Tiedustelun kustannukset laskevat edelleen nopeasti uusien rajojen saavuttamisen jälkeen: Grok 4 Fast laskee Intelligence Index >60 -luokan kustannukset vain 0,2 dollariin/0,5 dollariin miljoonaa panos-/lähtötokenia kohden Seuraamme edullisinta mallia eri älykkyystasoille mitataksemme älykkyyden kustannusten laskua ajan myötä. Jokaisen uuden älykkyystason kustannukset näyttävät laskevan paljon nopeammin vuonna 2025 kuin vuosina 2023-2024. OpenAI:n o3 oli varhaisin malli, joka oli >60-luokassamme, kun se lanseerattiin huhtikuussa. Julkaisuhetkellä o3:n hinnoittelu oli 10/40 dollaria - mutta OpenAI laski myöhemmin hintansa 2/8 dollariin kesäkuussa, mikä näkyy alla olevassa kaaviossa. Kun verrataan sekoitettuja hintoja (3:1 panos lähtötokeneihin, kuten alla olevasta kaaviosta näkyy), Grok 4 Fastin hinta on 64 kertaa alhaisempi kuin o3:n julkaisuhinta ja 12 kertaa alhaisempi kuin o3:n nykyinen sekoitettu hinta (3:1 panos ulostulotokeneihin). Hinnat viitteeksi: ➤ Grok 4 Fast: 0,2 dollaria/0,5 dollaria miljoonaa tulo-/lähtömerkkiä kohden ➤ O3:n alkuperäinen julkaisuhinta: 10/40 dollaria ➤ o3 päivitetty kesäkuun hinta: $2/$8 Huomaa, että alla oleva taulukko perustuu tokenien hinnoitteluun - ei Cost to Run Artificial Analysis Intelligence Index -mittariimme.