DeepSeek Vision API: el modelo de visión de $0.22/M-token que usa 10x menos KV cache
DeepSeek Vision API: el modelo de visión de $0.22/M-token que usa 10x menos KV cache DeepSeek añadió ojos silenciosamente a su línea de modelos …
Tags
Multimodal
Seedance 2.5: el modelo de video IA de ByteDance que genera 30 segundos y acepta 50 referencias
ByteDance lanzó oficialmente Seedance 2.5 el 31 de julio de 2026: un modelo de generación de video de nueva generación que produce un clip …
VILA: La Familia de Modelos de Lenguaje Visual de Codigo Abierto de NVIDIA NVlabs
Los Modelos de Lenguaje Visual (VLM) que pueden razonar sobre imagenes y texto se han convertido en una de las areas mas activas en la …
SGLang Omni: Inferencia Multimodal de LLMs con SGLang
Multimodal AI — models that understand images, audio, and video alongside text — has moved from research novelty to production necessity. …
Seed1.5-VL: El Modelo Fundamental de Lenguaje de Visión de ByteDance que Alcanza 38 Puntos de Referencia SOTA
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, …
Qwen2.5-Omni: El Modelo de IA Multimodal de Extremo a Extremo de Alibaba
Qwen2.5-Omni es el modelo de IA multimodal de codigo abierto insignia de Alibaba, desarrollado por el equipo QwenLM de Alibaba Cloud. Como un …