NVIDIA ने कई विश्वविद्यालयों के साथ मिलकर NVEagle लॉन्च किया, जो एक बड़ा दृश्य भाषा मॉडल है जो चित्रों को देख सकता है और चैट कर सकता है। NVEagle चित्र की सामग्री का विश्लेषण कर सकता है और सटीक उत्तर प्रदान कर सकता है, जैसे कि चित्र में व्यक्तियों की पहचान करना, जैसे कि वह हुáng rén xùn है। यह मॉडल छवियों को दृश्य अंक में परिवर्तित करके और उन्हें टेक्स्ट एम्बेडिंग के साथ मिलाकर दृश्य जानकारी की समझ को महत्वपूर्ण रूप से बढ़ा देता है। उच्च रिज़ॉल्यूशन छवि प्रोसेसिंग की चुनौतियों का सामना करते हुए, शोध टीम ने विभिन्न दृश्य एन्कोडरों और समामेलन रणनीतियों की खोज की और Eagle-X5-7B, Eagle-X का निर्माण किया।