El Instituto de Inteligencia Artificial de Beijing lanza Emu2, un nuevo modelo base multimodal que impulsa los avances en el aprendizaje contextual multimodal. Emu2 supera a Flamingo-80B e IDEFICS-80B, mostrando un rendimiento excepcional en tareas de comprensión multimodal con pocos ejemplos. Emu2 ha logrado el rendimiento óptimo en varias tareas de comprensión con pocos ejemplos, preguntas y respuestas visuales y generación de imágenes. Emu2-Chat permite una comprensión precisa de instrucciones de texto e imagen, mientras que Emu2-Gen permite la generación de imágenes y videos de forma flexible, controlable y de alta calidad.