Das Institute for Artificial Intelligence hat sein neues Multimodales Weltmodell Emu3 veröffentlicht. Das herausragendste Merkmal dieses Modells ist seine Fähigkeit, Text, Bilder und Videos anhand der Vorhersage des nächsten Tokens zu verstehen und zu generieren. Bei der Bildgenerierung kann Emu3 anhand von visuellen Tokens qualitativ hochwertige Bilder erzeugen. Dies bedeutet, dass Benutzer flexible Auflösungen und diverse Stile erwarten können. Bei der Videogenerierung arbeitet Emu3 auf neuartige Weise, anders als andere Modelle.