Ces dernières années, l'intelligence artificielle a connu des progrès remarquables, mais des défis persistent quant à l'efficacité du calcul et à la polyvalence. De nombreux modèles multimodaux avancés, tels que GPT-4, nécessitent généralement d'importantes ressources de calcul, ce qui limite leur utilisation aux serveurs haut de gamme et empêche une utilisation efficace des technologies intelligentes sur les appareils périphériques tels que les smartphones et les tablettes. De plus, le traitement en temps réel de tâches telles que l'analyse vidéo ou la transcription vocale pose encore des obstacles techniques, soulignant le besoin de modèles IA efficaces et flexibles pour une utilisation transparente avec des ressources matérielles limitées.

Gemini AI de Google a récemment réalisé une avancée technologique remarquable : la capacité de traiter simultanément plusieurs flux visuels, une prouesse sans précédent dans le domaine de l'intelligence artificielle. Cette fonctionnalité n'a pas été présentée via les plateformes principales de Google, mais plutôt par le biais d'une application expérimentale nommée "AnyChat". Cette nouvelle capacité de Gemini AI lui permet non seulement de visionner des vidéos en temps réel, mais aussi d'analyser simultanément des images statiques, brisant ainsi la limite antérieure de l'IA qui ne pouvait traiter qu'une seule entrée visuelle.

Lors d'une série de diffusions en direct de 12 jours ouvrables, OpenAI a lancé l'API du modèle o1 le 9ème jour et annoncé une mise à niveau majeure de son API en temps réel prenant en charge la technologie WebRTC. À compter de sa publication, OpenAI fournira l'accès à l'API o1 aux développeurs de niveau 5. Cette mise à jour de l'API du modèle o1, comparée à la version préliminaire précédente, a permis de réduire de 60 % le coût de calcul et d'ajouter des capacités de traitement visuel avancées. Simultanément, GPT-4o dans le traitement audio...