Multimodal
AIEZZ vosita tegi
“Multimodal” tegi bilan belgilangan AI mahsulotlari ko‘rilmoqda; 5 ta mos natija mavjud.
ShieldstralAI savol-javobShieldstral – Mistral AI’ning ochiq kodli multimodal kontent xavfsizligi klassifikatsiya modeli — Mistral AI tomonidan ishlab chiqilgan, 3B parametrli ochiq kodli multimodal kontent xavfsizligi klassifikatsiya modeli bo‘lib, Ministral-3B asosida qurilgan. Model an’anaviy, oldindan belgilangan toifalarga asoslangan kontent moderatsiyasini ikkilik savol-javob vazifasi sifatida qayta talqin qiladi. U tabiiy tildagi so‘rovlar orqali moderatsiya siyosatlarini real vaqt rejimida belgilash imkonini beradi va qayta o‘qitishni talab qilmasdan turli vaziyatlarga moslashadi. Model matn xavfsizligi benchmarklarida o‘rtacha F1 bo‘yicha 84.9% va multimodal xavfsizlik F1 bo‘yicha 83.8% natija bilan SOTA darajasiga erishadi. Uni atigi bitta 16GB GPU’da joylashtirish mumkin va u 12 ta tilni qo‘llab-quvvatlaydi. Asosiy imkoniyatlari: siyosatga moslashuvchan moderatsiya, multimodal yagona aniqlash, qoidabuzarliklarni nozik darajada aniqlash, kalibrlangan xavfsizlik ballari va yengil edge qurilmalarda joylashtirish. Model ijtimoiy platformalarda kontent xavfini boshqarish, AI dialoglari xavfsizligini ta’minlash, reklama va marketing muvofiqligi, onlayn ta’lim kontentini filtrlash hamda korporativ hujjatlarni xavfsizlik auditi kabi vaziyatlarda qo‘llanadi.00
HOMIEAI video generatsiyasiHOMIE — Gonkong Fan va Texnologiyalar Universiteti tomonidan ochiq kodda taqdim etilgan raqamli inson video generatsiyasi freymvorki bo‘lib, Wan2.1-T2V-14B tayanch tarmog‘iga asoslangan va Qwen3-VL multimodal katta til modelini integratsiya qiladi. Freymvork raqamli inson+mahsulot+Logo+matnning to‘rtta elementini yagona tarzda qayta ishlaydi,...00
SenseNova U1.5-Lite-Preview – Shangtang tomonidan ochiq kodda taqdim etilgan yengil multimodal modelKatta AI modellariSenseNova U1.5-Lite-Preview – Shangtang tomonidan ochiq kodda taqdim etilgan yengil multimodal model NEO-Unify arxitekturasiga asoslangan bo‘lib, 8B-MoT parametrlari orqali vizual tushunish, xulosa chiqarish, generatsiya va tahrirlashni tabiiy ravishda yagona tizimda birlashtiradi. Model 4K ultra yuqori aniqlikdagi tasvirlarni tabiiy ravishda generatsiya qilishni qo‘llab-quvvatlaydi hamda nozik teksturalar, realistik materiallar va xitoycha hamda inglizcha murakkab maketlarda matnni aniq ko‘rsatish imkoniyatiga ega. O‘rnatilgan Prompt Enhance Skill ijodiy ishlar uchun kirish to‘sig‘ini pasaytiradi, juda uzun tabiiy til ko‘rsatmalari va tuzilgan vizual buyruqlarni aniq bajaradi hamda iterativ tahrirlashni qo‘llab-quvvatlaydi. Dizaynerlar, dasturchilar va kontent yaratuvchilar uchun mo‘ljallangan ushbu vosita joriy etish xarajati past, ko‘rsatmalarga amal qilish darajasi yuqori bo‘lgan tijoriy darajadagi vizual ijod vositasini taqdim etadi.10
MAGI-2-preview – Sand.ai tomonidan ochiq manbali ko‘p modal videolar generatsiyasi modeliAI video generatsiyasiMAGI-2-preview – Sand.ai tomonidan ochiq manbali ko‘p modal videolar generatsiyasi modeli — Sand.ai tomonidan ochiq manbali qilingan dunyodagi ilk 100 milliard parametrli MoE ko‘p modal videolar generatsiyasi modelidir. U jami 114B parametrga ega, faqat 6B parametri faollashadi. Model bir oqimli arxitekturani davom ettirib, matn, video va audioni yagona Transformer ichida birgalikda modellashtiradi hamda tabiiy ko‘p modal generatsiyani amalga oshiradi. Uning asosiy imkoniyatlari matn, tasvir va videodan video generatsiyasini qo‘llab-quvvatlash, shuningdek audio tushunishni tabiiy tarzda birlashtirishni o‘z ichiga oladi. MoE siyrak faollashtirish orqali inferensiya xarajatlari sezilarli darajada kamaytiriladi. Maqsadli foydalanuvchilar — AI tadqiqotchilari, dasturchilar va korxonalarning texnik jamoalari. Model akademik tadqiqotlar, xususiy joylashtirish hamda multimodal kino va televideniye previsualizatsiyasi kabi holatlar uchun mos bo‘lib, ochiq manbali va tijoriy foydalanish mumkin bo‘lgan samarali video generatsiyasi yechimini taqdim etadi.00
Hunyuan3D-Buffalo 1.0 – Tencent Hunyuan taqdim etgan 3D multimodal freymvork3D dizaynHunyuan3D-Buffalo 1.0 – Tencent Hunyuan taqdim etgan 3D multimodal freymvork — umumiy Hunyuan3D-VLM asosiy modeli orqali 3D savol-javob, fazoviy joylashuvni aniqlash, matndan 3D yaratish, ko‘rsatma asosida tahrirlash va qismlar generatsiyasini yagona jarayonga birlashtiruvchi yagona 3D multimodal freymvorkdir. Freymvork tabiiy til orqali 3D model tuzilmasini tushunish, qismlarni aniqlash, ko‘rsatmalar asosida mahalliy geometriyani o‘zgartirish va semantik darajadagi qismlarni ajratib olishni qo‘llab-quvvatlaydi. U 3D tushunish, generatsiya va tahrirlashni yagona yopiq jarayonga birlashtirib, o‘yinlar, animatsiya va sanoat dizayni uchun kombinatsiyalanadigan 3D aktivlar ishlab chiqarish yechimini taqdim etishni maqsad qiladi. Asosiy funksiyalarga 3D tushunish, matndan 3D yaratish, ko‘rsatma asosida tahrirlash va qismlar generatsiyasi kiradi; to‘rtta vazifa bir xil 3D semantik tasvir va qayta ishlash quvuridan foydalanadi. Ushbu freymvork o‘yin ishlab chiquvchilar, animatorlar, sanoat dizaynerlari va 3D kontent yaratuvchilari uchun mos bo‘lib, tabiiy til orqali muloqot yordamida professional to‘siqlarni kamaytiradi hamda aktivlarni qayta ishlatish va takroriy takomillashtirish samaradorligini oshiradi.00Bu tegdagi barcha vositalar ko‘rsatilgan.