multimodala modeller

Google släpper multimodal öppen modell: EmbeddingGemma 2

Google DeepMind släppte EmbeddingGemma 2 tisdagen den 6 oktober. Modellen med öppna vikter omvandlar text, kod, bilder, video och ljud till ett delat 768-dimensionellt inbäddningsutrymme, och den är tillräckligt liten för att köras på telefoner och bärbara datorer. Modellen har…

Kinesiska AI-modeller knappar in på USA: Ritar om den globala spelplanen

Alibaba Clouds Qwen-team lanserade QVQ-72B-Preview, en experimentell modell med öppna vikter som kombinerar visuell förståelse med stegvis resonemang (chain-of-thought). Detta markerade ett tidigt steg in på vad som sedan dess har blivit en fylld marknad för multimodala AI-system.

DeepSeek lanserar ny bildmodell: Säger sig utmana Anthropics Opus 4.8

Det kinesiska AI-labbet DeepSeek lanserade på fredagen en experimentell multimodal modell som enligt bolaget närmar sig prestandan hos Anthropics Claude Opus 4.8 i viktiga prestandatester. Lanseringen är ett led i bolagets satsning på visuell AI till en bråkdel av vad…