xAI
Стартап Ілона Маска (Elon Musk) xAI анонсував вихід своєї першої мультимодальної моделі за назвою Grok-1.5 Vision, або Grok-1.5V. На відміну від попередніх версій, ця модель не тільки розуміє текст, а й здатна обробляти візуальний контент, включаючи документи, діаграми, графіки, скріншоти та фотографії.
Що відомоЗа словами xAI, Grok-1.5V конкурує з передовими мультимодальними моделями в різних галузях, таких як міждисциплінарні міркування та розуміння документів. Компанія продемонструвала сім прикладів, що показують можливості моделі - від перетворення начерку в код до створення казки з дитячого малюнку.
8255d81d0020b5a836dd04c615976803.jpg">
Порівняння продуктивності Grok-1.5V від xAI з аналогічними моделями
Тестуючи Grok-1.5V у порівнянні з аналогами на кшталт GPT-4V і Claude 3, xAI стверджує, що її мультимодальна модель перевершує конкурентів, особливо в новому бенчмарку RealWorldQA, розробленому для оцінки розуміння реального просторового світу.
Результати роботи Grok-1.5V у бенчмарку RealWorldQA
Випуск Grok-1.5V відбувся незабаром після відкритого вихідного коду чат-бота Grok, представленого xAI у листопаді 2023 року. Компанія Ілона Маска продовжує вдосконалювати свої ІІ-розробки, щоб конкурувати з лідерами ринку, такими як OpenAI. При цьому Grok вже стикався з проблемами, пов'язаними з навчанням користувачів протизаконним діям.
У найближчі місяці xAI обіцяє внести «значні» оновлення до мультимодальних функцій розуміння та генерації інформації Grok AI.
Джерело: VentureBeat
Повідомлення xAI представила Grok-1.5V — свою першу мультимодальну модель, яка тепер обробляє та зображення з'явилися спочатку на ITnet.
