Subiect: #model multimodal
Elorian lansează Glimpse: AI-ul care învață să „vadă" cu adevărat, nu doar să vorbească despre imagini
Elorian, un startup din Palo Alto care a strâns 55 de milioane de dolari înainte de a lansa vreun produs, a dezvăluit Glimpse, primul său model de AI construit special pentru raționament vizual. Spre deosebire de modelele multimodale clasice, Glimpse nu doar analizează o imagine și trece la text, ci revine constant la sursă, decupează, măsoară și verifică, exact ca un om care dă zoom pe o poză ca să înțeleagă ce vede.
Liquid AI lansează d1-ultima: un model multimodal de decizie cu scor 65 pe Indicele AA de Decizie
Liquid AI a lansat d1-ultima, un model multimodal de decizie care a obținut scorul 65 pe Indicele AA de Decizie, poziționându-se ca un competitor serios pentru giganții din industrie. Analizăm ce înseamnă acest scor, de ce arhitectura multimodală contează și cum se poziționează compania în cursa pentru AGI-ul AI.
Google DeepMind lansează Gemma 4 12B: model multimodal fără encoder, cu audio nativ, care rulează pe un laptop de 16 GB
Google DeepMind a lansat Gemma 4 12B, un model multimodal fără encoder, cu suport audio nativ, care rulează pe un laptop cu 16 GB RAM. Articolul explică arhitectura, performanțele și implicațiile pentru comunitatea AI.