A Intern Large Models lançou o modelo Intern-S2-397B, disponível no Hugging Face. O lançamento inclui suporte de dia 0 do vLLM para executar o modelo.
O modelo é descrito como tendo capacidades multimodais, de raciocínio, codificação e agente científico.
A IBM e a NASA tornaram código aberto o modelo base lunar NASA-IBM Lunar Foundation Model, um sistema de IA que consolida décadas de dados lunares multimodais de missões dos EUA e do Japão em uma única representação. Construído sobre a arquitetura TerraMind da IBM, o modelo integra observações em diferentes escalas e ângulos de visão para enfrentar desafios como iluminação complexa e resolução de dados.
A DeepSeek lançou seu novo modelo, o DeepSeek V4-1 Flash. É um modelo Mixture-of-Experts (MoE) multimodal que possui uma base de 552 bilhões de parâmetros.
A inclusionAI lançou o modelo de código aberto Ling-3.0-flash-VL, que estende as capacidades linguísticas e de raciocínio de seu predecessor com compreensão nativa de imagens e vídeo.
Pesquisadores apresentam o NeoMME, uma família de codificadores multimodais multilíngues de 260M e 800M que processam texto e patches de imagem brutos usando um único Transformer bidirecional. Diferente dos modelos de linguagem visual generativos, o NeoMME não depende de torres de visão pré-treinadas separadas ou decodificadores causais, treinando todo o modelo do zero com um objetivo de difusão discreta mascarada.
A DeepSeek publicou o checkpoint do modelo DeepSeek-V4-Flash-Vision-Exp no Hugging Face. O repositório já está disponível para acesso público.
Usamos cookies para medir o tráfego e melhorar o site. Você pode aceitar ou recusar os cookies de análise. Política de privacidade