2024年将是视频之年。虽然机器人和嵌入式代理才刚刚起步，但我认为AI视频将在未来12个月内迎来突破性发展。包括输入和输出两个方面。
开源模型的组合将击败最好的私有模型。
DeWave局限性
使用v0构建的任何内容都需要进行大量修改，否则最终看起来像是业余产品。我赞扬这个努力，但UI设计是复杂且动态的。我们还没有到AI能够始终产生一流UI设计的地步，但它为你的UI提供了一个起点。
VCoder作为一个视觉编码器，为MLLM提供了更好的视觉感知能力，能够处理特殊类型的图像，并改善了对象感知任务的表现。在与其他模型的比较中，VCoder在对象计数和识别方面表现出色，特别是在复杂场景中。