हाल ही में, बीजिंग विश्वविद्यालय और अन्य शोध टीमों ने ल्लावा-o1 नामक एक मल्टीमॉडल ओपन-सोर्स मॉडल लॉन्च करने की घोषणा की, जिसे कथित तौर पर स्वाभाविक रूप से और प्रणालीगत रूप से अनुमान लगाने में सक्षम पहले दृश्य भाषा मॉडल के रूप में प्रस्तुत किया गया है, जो जीपीटी-o1 के समान है। यह मॉडल छह चुनौतीपूर्ण मल्टीमॉडल मानक परीक्षणों में उत्कृष्ट प्रदर्शन करता है, और इसका 11B पैरामीटर संस्करण अन्य प्रतिस्पर्धियों जैसे जेमिनी-1.5-प्रो, जीपीटी-4o-न्यूनतम और लामा-3.2-90B-दृष्टि-निर्देशन को पार करता है।