浙江大学紫金港学院の卒業生がマイクロソフト研究所と協力し、GPT-4Vに挑戦するマルチモーダルモデル「LLaVA」を発表しました。
LLaVAは11個のテストデータセットにおいて優れた性能を示し、6,000以上のスターを獲得しました。モデルの総合的な能力は高く、GPT-4Vを85%上回る結果となっています。
LLaVAのオープンソースコード、モデル、およびトレーニングデータは現在利用可能です。

浙江大学紫金港学院の卒業生がマイクロソフト研究所と協力し、GPT-4Vに挑戦するマルチモーダルモデル「LLaVA」を発表しました。
LLaVAは11個のテストデータセットにおいて優れた性能を示し、6,000以上のスターを獲得しました。モデルの総合的な能力は高く、GPT-4Vを85%上回る結果となっています。
LLaVAのオープンソースコード、モデル、およびトレーニングデータは現在利用可能です。
バイトダンスがマルチモーダルAI「Seedream5.0 Pro」を発表。画像生成からデザインへ進化し、テキスト整合性・構成・文字描画・画質が向上。複雑な情報の可視化を突破し、意図を正確に解析。データや概念、高密度テキストを専門的なビジュアルへ変換する。....
元OpenAI研究員の田永龍氏が騰訊(テンセント)に加入、混元マルチモーダル・視覚言語モデル開発を担当。2025年9月には姚順雨氏も首席AI科学者として加わり、両氏は再び共闘する。....
OpenAIの元研究者・田永龍氏がテンセントに入社し、混元マルチモーダルモデルの責任者としてVLM開発を主導する見通し。発表はまだだが、姚順雨氏に続く中核人材の獲得で、テンセントのマルチモーダルAI強化が鮮明に。....
稀宇科技が本日、ネイティブマルチモーダルフラッグシップモデル「MiniMax M3」をオープンソース化。総パラメータ428B、活性化パラメータ23Bで、業界初のモデル。既に重みを公開し、スパース注意機構の論文を発表、注目を集めている。オープンソースモデル総合性能で1位。....
グーグルが新しいマルチモーダルモデルGemma 4 12Bを発表しました。従来のアーキテクチャを逆転させ、独立した符号化器部品を取り除き、コンシューマー機器で効率的なローカルへの展開と推論を実現しました。この画期的な革新は、マルチモーダルモデルの計算複雑性を大幅に軽減し、実行速度を向上させ、オープンソース大規模モデルエコシステムの新たな段階を示しています。