Pali3 es un modelo de lenguaje visual que genera las respuestas deseadas codificando imágenes y transmitiéndolas junto con la consulta a un transformador codificador-decodificador. El modelo se entrenó en múltiples etapas, incluyendo preentrenamiento unimodal, entrenamiento multimodal, aumento de resolución y especialización de tareas. Las principales funciones de Pali3 incluyen la codificación de imágenes, la codificación de texto y la generación de texto. Este modelo es adecuado para tareas como clasificación de imágenes, subtitulado de imágenes y preguntas y respuestas visuales. La ventaja de Pali3 radica en su estructura de modelo simple, su buen rendimiento de entrenamiento y su alta velocidad. El precio del producto es gratuito y de código abierto.