Seed1.5-VL: El Modelo Fundamental de Lenguaje de Visión de ByteDance que Alcanza 38 Puntos de Referencia SOTA

Mon, 01 Jan 0001 00:00:00 +0000

En el campo de rápido avance de los modelos de lenguaje de visión, ha surgido un nuevo peso pesado desde un rincón inesperado. Seed1.5-VL, desarrollado por el equipo Seed de ByteDance, ha logrado resultados de última generación en 38 de 60 puntos de referencia públicos, abarcando comprensión de imágenes, comprensión de video, análisis de documentos y razonamiento multi-imagen.

Construido sobre una arquitectura Mixture-of-Experts (MoE) de 20 mil millones de parámetros con aproximadamente 2 mil millones de parámetros activados por token, Seed1.5-VL representa un cuidadoso equilibrio entre capacidad bruta y eficiencia computacional. Supera a modelos con conteos de parámetros mucho mayores mientras mantiene velocidades de inferencia adecuadas para aplicaciones del mundo real.

Lenguaje De Visión on SoloSoft

Seed1.5-VL: El Modelo Fundamental de Lenguaje de Visión de ByteDance que Alcanza 38 Puntos de Referencia SOTA