🎬 مدل ویدیویی متن‌باز MAGI-2 با ۱۱۴ میلیارد پارامتر!

شرکت Sand.ai مدل MAGI-2 Preview را همراه با کد و وزن‌های آن متن‌باز کرده است. 🤖

🔥 ویژگی‌های مهم:

🧠 معماری MoE با ۱۱۴B پارامتر، اما فقط ۶B پارامتر فعال در هر توکن

🎥 تولید ویدیوی ۱۰ ثانیه‌ای همراه با صدای هماهنگ

📺 ارتقای خروجی تا 1080p

💰 هزینه پردازش حدود ۱۰ برابر کمتر از مدل‌های Dense مشابه

🏆 رتبه ۶ در Artificial Analysis


مدل ابتدا ویدیو را با وضوح پایین تولید می‌کند و سپس یک Refiner آن را تا 1080p ارتقا می‌دهد.

⚠️ برای اجرای محلی هنوز سخت‌افزار قدرتمندی لازم دارد؛ اما به‌دلیل فعال بودن تنها ۶B پارامتر، برای سرویس‌های ابری و API پتانسیل بسیار بالایی دارد.

📌 یک مدل متن‌باز که می‌تواند همزمان تصویر، حرکت و صدا تولید کند؛ رقابت مدل‌های ویدیویی جدی‌تر از همیشه شده است. 🔥