Vidu1.5 已拉開技術代差。

原標題：視覺模型智能涌現后， Scaling Law 不會到頭
文章來源：AI科技評論
內容字數：9375字

Vidu1.5的技術突破與Scaling Law的挑戰

在自然語言處理領域，Scaling Law已經顯示出其局限性，單純依賴模型規模和數據量的提升已不再有效。而在多模態模型領域，Vidu1.5的發布則標志著這一領域的Scaling Law才剛剛起步，展示了更強的上下文能力和多主體一致性。

1. Vidu1.5的創新特性

Vidu1.5在多模態生成中展示了顯著的技術進步，能夠通過上傳不同角度的圖片，實現單主體形象的高度一致性。同時，Vidu在多主體控制方面的突破使得用戶可以自然融合不同元素，提升了視頻生成的質量。

2. 無微調的大一統架構

Vidu采用無微調的大一統技術架構，突破了傳統視頻模型的微調方案。這一架構的設計相當于重新構建了發動機，解決了視頻生成中主體一致性的問題。與此相比，其他模型仍停留在預訓練調的階段。Vidu的設計哲學與大語言模型的發展路徑相似，強調通用性和統一性。

3. 上下文能力的提升

Vidu1.5在上下文能力上也取得了顯著進展，能夠理解并生成多主體之間的連貫內容。這種能力的提升使得模型在處理復雜場景時更加靈活，允許用戶輸入更長的上下文信息，從而生成更具合邏輯和一致性的視頻內容。

4. 行業競爭與未來方向

盡管生數科技面臨來自大廠的競爭壓力，但其明確的目標和持續的技術創新使其在多模態模型領域保持領先。未來，生數計劃繼續拓展其技術邊界，包括4D模型和音頻的整合，力求在通用多模態大模型上取得更大突破。

總的來說，Vidu1.5的發布不僅展示了多模態生成的新高度，也為未來的技術創新奠定了基礎，預示著視頻模型的發展將迎來新的機遇。

聯系作者

文章來源：AI科技評論
作者微信：
作者簡介：雷峰網旗下AI新媒體。聚焦AI前沿研究，關注AI工程落地。