Multimodal
Página 1 de 3
- AI
DeepSeek Vision API: el modelo de visión de $0.22/M-token que usa 10x menos KV cache
deepseek-v4-flash-vision-exp trae visión a la línea V4-Flash: un modelo MoE de 284B parámetros (13B activos) que factura imágenes a solo $0.22 por millón de tokens de …
- IA
Seedance 2.5: el modelo de video IA de ByteDance que genera 30 segundos y acepta 50 referencias
Seedance 2.5 genera clips de 30 segundos en una sola pasada, acepta hasta 50 referencias multimodales y añade edición por regiones. Así se compara con Veo 3.1 y Sora 2, …
- IA
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 investigacion...
- IA
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. Document...
- IA
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...
- IA
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 unico...