DeepSeek Presenta Janus-Pro: Modelo Multimodal Unificado con Arquitectura Desacoplada para Comprensión y Generación Visual
DeepSeek ha anunciado el lanzamiento de Janus-Pro, una avanzada arquitectura multimodal autorregresiva de 7B par
Sigue leyendo las noticias clave de IA
Filtrar y personalizar
DeepSeek presenta Janus: el modelo multimodal que desacopla la codificación visual para unificar comprensión profunda y generación de imágenesDeepSeek lanza Janus, modelo multimodal que desacopla vías de codificación visual para comprensión y generación autorregresiva de imágenes de alta fidelidad.Leer análisis completo
Google avanza con Project Astra: asistente multimodal en tiempo real con comprensión visual continua para móviles y lentes inteligentesGoogle despliega avances en Project Astra, ofreciendo procesamiento visual y de audio en tiempo real con memoria espacial para dispositivos portátiles.Leer análisis completo
Shanghai AI Lab Presenta InternLM-XComposer 2.5: Modelo Multimodal Abierto para Comprensión Visual y Composición de ArtículosShanghai AI Lab presenta InternLM-XComposer 2.5, modelo multimodal de 7B capaz de generar artículos extensos ilustrados y comprender video y alta resolución.Leer análisis completo
Zhipu AI Presenta GLM-4V-9B: Modelo Multimodal Abierto con Comprensión Visual de Alta Resolución y OCR DensoZhipu AI lanza GLM-4V-9B, modelo multimodal abierto de 9B con procesamiento de imágenes hasta 1120x1120, OCR denso bilingüe y razonamiento visual avanzado.Leer análisis completo
OpenBMB Lanza MiniCPM-V 2.6: Modelo Multimodal Abierto de 8B con Comprensión de Video y Densidad OCR Superior a GPT-4oOpenBMB lanza MiniCPM-V 2.6, modelo abierto de 8B con comprensión de video continuo y densidad OCR superior a GPT-4o para inferencia en dispositivos.Leer análisis completo
DeepSeek Lanza DeepSeek-Coder-V2: Arquitectura MoE de 236B para Programación Avanzada en 338 Lenguajes con Ventana de 128kDeepSeek presenta Coder-V2 (236B MoE con 21B activos), modelo abierto que rivaliza con GPT-4 Turbo en matemáticas y código en 338 lenguajes.Leer análisis completo
Adept Presenta Fuyu-8B: Modelo Multimodal Abierto para Comprensión de Pantallas y Agentes de Interfaz GráficaAdept libera Fuyu-8B, arquitectura multimodal que proyecta parches de imagen directamente al Transformer para operar interfaces web y pantallas complejas.Leer análisis completo
Bria AI Presenta Bria 2.3: Modelo Fundacional Abierto de Generación Visual con Cumplimiento de Copyright y AtribuciónBria AI lanza Bria 2.3, un modelo fundacional de difusión visual de pesos abiertos entrenado en datos 100% licenciados con protección legal para empresas.Leer análisis completo
Apple Presenta Ferret-UI: Modelo Multimodal para Comprensión Avanzada de Interfaces MóvilesApple presenta Ferret-UI para interpretar pantallas móviles, identificar elementos de interfaz y ejecutar flujos de navegación complejos.Leer análisis completo
LMMs-Lab Presenta LLaVA-OneVision: Modelo Abierto Multimodal Unificado para Imágenes, Múltiples Vistas y VideoLMMs-Lab publica LLaVA-OneVision en versiones 0.5B, 7B y 72B, unificando razonamiento sobre imágenes individuales, multi-imagen y secuencias de video continuo.Leer análisis completo
Meta Presenta Spirit LM: Modelo Fundacional Multimodal de Voz y Texto con Comprensión EmocionalMeta presenta Spirit LM, modelo fundacional que combina texto y voz intercalados con entonación, timbre y prosodia emocional.Leer análisis completo
THUDM Presenta GLM-4-Voice: Modelo Multimodal de Voz a Voz en Tiempo Real con Comprensión Acústica DirectaZhipu AI y Tsinghua liberan GLM-4-Voice, modelo multimodal abierto de voz a voz en tiempo real con comprensión de prosodia, emociones y síntesis expresiva.Leer análisis completo
TII Presenta Falcon Mamba: El Primer Modelo de Lenguaje Abierto Basado en la Arquitectura SSM a Escala de 7BTII lanza Falcon Mamba 7B, primer modelo abierto puro basado en Mamba con memoria constante y rendimiento superior a Transformers como Llama 3 en benchmarks.Leer análisis completo
Upstage Presenta SOLAR 10.7B: Modelo Abierto con Arquitectura Depth Up-Scaling y Alineación DPOUpstage libera SOLAR 10.7B, modelo fundacional que escala arquitecturas de 7B a 10.7B mediante Depth Up-Scaling y alineación directa por preferencias.Leer análisis completo
ByteDance Presenta Seed-Music: Modelo Fundacional de Generación Musical con Control de Timbre y Edición MultimodalByteDance introduce Seed-Music, un modelo fundacional para síntesis musical de alta fidelidad, control vocal expresivo y edición de pistas por texto.Leer análisis completo
Mistral AI lanza Pixtral Large: modelo multimodal de 124B parámetros con comprensión de documentos complejos y visión de alta resoluciónMistral AI presenta Pixtral Large de 124B parámetros, superando a GPT-4o en comprensión de diagramas, documentos densos y razonamiento visual complejo.Leer análisis completo