Intern Large Models ha lanzado el modelo Intern-S2-397B, disponible en Hugging Face. El lanzamiento incluye soporte desde el día 0 de vLLM para ejecutar el modelo.
El modelo se describe como multimodal, con capacidades de razonamiento, codificación y agente científico.
IBM y NASA han liberado como código abierto el modelo base NASA-IBM Lunar Foundation Model, un sistema de IA que consolida décadas de datos lunares multimodales de misiones estadounidenses y japonesas en una única representación. Construido sobre la arquitectura TerraMind de IBM, el modelo integra observaciones a diferentes escalas y ángulos de visión para abordar desafíos como la iluminación compleja y la resolución de datos.
DeepSeek ha lanzado su nuevo modelo, DeepSeek V4-1 Flash. Es un modelo Mixture-of-Experts (MoE) multimodal que cuenta con una base de 552 mil millones de parámetros.
inclusionAI ha lanzado el modelo de código abierto Ling-3.0-flash-VL, que extiende las capacidades lingüísticas y de razonamiento de su predecesor con comprensión nativa de imágenes y video.
Los investigadores presentan NeoMME, una familia de codificadores multimodales multilingües de 260M y 800M que procesan texto y parches de imagen crudos utilizando un único Transformer bidireccional. A diferencia de los modelos de lenguaje visual generativos, NeoMME no depende de torres visuales preentrenadas por separado ni de decodificadores causales; entrena todo el modelo desde cero con un objetivo de difusión discreta enmascarada.
DeepSeek ha publicado el checkpoint del modelo DeepSeek-V4-Flash-Vision-Exp en Hugging Face. El repositorio ya está disponible para acceso público.
Usamos cookies para medir el tráfico y mejorar el sitio. Puedes aceptar o rechazar las cookies de analítica. Política de privacidad