हाल ही में, एनवीडिया ने अगली पीढ़ी का ओपन विजुअल भाषा मॉडल - NVILA लॉन्च किया। यह सटीकता और दक्षता को अनुकूलित करने के लिए बनाया गया है, जो अपनी उत्कृष्ट प्रदर्शन के साथ दृश्य AI क्षेत्र में एक प्रमुख स्थान बनाता है। एनवीडिया के अनुसार, NVILA की प्रशिक्षण लागत 4.5 गुना कम हो गई है, जबकि फाइन-ट्यूनिंग के लिए आवश्यक मेमोरी 3.4 गुना कम हुई है, और प्रीफिल और डिकोडिंग में देरी लगभग 2 गुना कम हो गई है। ये आंकड़े एक अन्य बड़े दृश्य मॉडल LLaVa OneVision की तुलना में प्राप्त किए गए हैं। वीडियो बेंचमार्क के अनुसार

हाल ही में, Meta AI ने नए मात्रा वाले Llama 3.2 मॉडल को पेश किया, जिसमें 1B और 3B दो संस्करण शामिल हैं। यह मॉडल विभिन्न उपकरणों पर समायोजन, आसुतकरण और कार्यान्वयन के लिए बनाया गया है। पिछले समय में, Llama जैसे मॉडल प्राकृतिक भाषा समझने और उत्पन्न करने में महत्वपूर्ण उपलब्धियाँ हासिल की हैं, लेकिन इसका विशाल आकार और उच्च कंप्यूटिंग आवश्यकता ने कई संगठनों के लिए इसका उपयोग करना कठिन बना दिया है। प्रशिक्षण समय लंबा, ऊर्जा खपत अधिक और महंगे हार्डवेयर पर निर्भरता, निश्चित रूप से तकनीकी दिग्गजों और छोटे व्यवसायों के बीच की खाई को बढ़ाती है। Llama3.2