multimodaliniai modeliai

„Google“ išleido „EmbeddingGemma 2“ daugiarūšį atvirąjį modelį

„Google DeepMind“ antradienį, spalio 6 d., išleido „EmbeddingGemma 2“. Šis atvirojo svorio modelis paverčia tekstą, kodą, vaizdus, vaizdo įrašus ir garsą į bendrą 768 matmenų įterpimo erdvę ir yra pakankamai mažas, kad veiktų telefonuose bei nešiojamuosiuose kompiuteriuose. Modelis turi 740…

Kinijos DI modeliai vejasi JAV varžovus ir keičia pasaulinių lenktynių eigą

„Alibaba“ debesų kompiuterijos padalinio „Qwen“ komanda išleido eksperimentinį atvirojo kodo modelį „QVQ-72B-Preview“, kuris sujungia vaizdinį supratimą su nuoseklaus mąstymo logika. Tai buvo vienas pirmųjų žingsnių srityje, kuri vėliau tapo itin konkurencinga multimodalinių DI sistemų rinka.

„DeepSeek“ pristatė vaizdo modelį: teigia, kad jis prilygsta „Anthropic“ „Opus 4.8“

Kinijos dirbtinio intelekto laboratorija „DeepSeek“ penktadienį išleido eksperimentinį multimodalų modelį, kuris, jos teigimu, pagrindiniuose testuose priartėja prie „Anthropic“ „Claude Opus 4.8“ našumo. Taip įmonė plečia savo veiklą vaizdo DI srityje už daug mažesnę kainą, nei siūlo JAV konkurentai.