[ad_1]
xAI, o concorrente OpenAI fundado por Elon Musk, lançou a primeira versão do Grok que pode processar informações visuais. Grok-1.5V é o modelo de IA multimodal de primeira geração da empresa, que não apenas processa texto, mas também “documentos, diagramas, gráficos, capturas de tela e fotografias”. Em xAIs anúncio, deu alguns exemplos de como suas capacidades podem ser usadas no mundo real. Você pode, por exemplo, mostrar a foto de um fluxograma e pedir ao Grok para traduzi-lo em código Python, fazer com que ele escreva uma história baseada em um desenho e até mesmo fazer com que ele explique um meme que você não consegue entender. Ei, nem todo mundo consegue acompanhar tudo o que a internet divulga.
A nova versão chega apenas algumas semanas após o lançamento da empresa Grok-1.5. Esse modelo foi projetado para ser melhor em codificação e matemática do que seu antecessor, bem como para ser capaz de processar contextos mais longos para poder verificar dados de mais fontes para compreender melhor determinadas questões. A xAI disse que seus primeiros testadores e usuários existentes em breve poderão aproveitar os recursos do Grok-1.5V, embora não tenha fornecido um cronograma exato para seu lançamento.
Além de apresentar o Grok-1.5V, a empresa também lançou um conjunto de dados de benchmark chamado RealWorldQA. Você pode usar qualquer uma das 700 imagens do RealWorldQA para avaliar modelos de IA: cada item vem com perguntas e respostas que você pode verificar facilmente, mas que podem confundir modelos multimodais como Grok. A xAI afirmou que sua tecnologia recebeu a pontuação mais alta quando a empresa a testou com RealWorldQA contra concorrentes, como GPT-4V da OpenAI e Google Gemini Pro 1.5.
[ad_2]
Fonte: