мультимодальная модель.

Meta* выпустила Muse Spark Open: запуск на 2 Mac Studio и не только

Meta* открыла веса Muse Spark Open — мультимодальной модели для программирования и многоэтапных задач. Разбираемся в плюсах и минусах релиза. Модель содержит 816 млрд параметров, из которых активно используются 42 млрд. Она построена на архитектуре Mixture of Experts (MoE), принимает текст, изображения, видео и аудио, а на выходе генерирует текст.Запуск на двух Mac StudioОдна из особенностей релиза — возможность запускать Muse Spark Open на двух компьютерах Mac Studio с чипами M5 Ultra, используя фреймворк MLX. Каждый из них поддерживает до 512 ГБ объединённой памяти, что позволяет разместить модель в локальной системе без обращения к облачным серверам.

продолжить чтение

Microsoft выпустила мультимодальную версию Phi-4

Microsoft Research анонсировала новую модель в своей линейке компактных языковых моделей — Phi-4-Vision-Reasoning. Это мультимодальная модель, которая не просто распознает изображения, но и способна проводить сложные рассуждения на основе визуальных данных. Главная цель разработчиков заключалась в том, чтобы преодолеть типичные недостатки крупных мультимодальных систем — их медлительность, высокую стоимость использования и сложности при внедрении. Новая модель стремится объединить эффективность небольших моделей с аналитическими способностями, ранее доступными только гигантам индустрии.

продолжить чтение

Мультимодальная модель Qwen2.5-VL-32B: успехи в понимании медиа и математических задачах

Компания Alibaba представила свою новейшую мультимодальную модель искусственного интеллекта Qwen2.5-VL-32B, выпущенную под лицензией Apache 2.0. Предварительные тесты показывают, что эта модель превосходит более крупных конкурентов, таких как Gemma 3-27B и Mistral Small 3.1 24B. В некоторых тестах он даже превосходит собственный Qwen2-VL-72B от Alibaba и более старые версии 

продолжить чтение