multimodale modeller

Google lanserer multimodal åpen modell: EmbeddingGemma 2

Google DeepMind lanserte EmbeddingGemma 2 tirsdag 6. oktober. Modellen med åpne vekter konverterer tekst, kode, bilder, video og lyd til et delt 768-dimensjonalt innebyggingsrom, og den er kompakt nok til å kjøre på telefoner og bærbare datamaskiner. Modellen har 740…

Kinesiske AI-modeller tetter gapet til USA: Endrer det globale kappløpet

Alibaba Clouds Qwen-team lanserte QVQ-72B-Preview, en eksperimentell åpen modell som kombinerer visuell forståelse med resonnering (chain-of-thought), noe som markerte en tidlig inntreden i det som siden har blitt et tettpakket felt av multimodale AI-systemer.

DeepSeek lanserer synsmodell de hevder utfordrer Anthropics Opus 4.8

Det kinesiske AI-laboratoriet DeepSeek lanserte fredag en eksperimentell multimodal modell som de hevder nærmer seg ytelsen til Anthropics Claude Opus 4.8 på viktige tester. Dette utvider selskapets satsing på visuell AI til en brøkdel av prisen amerikanske konkurrenter tar.