अली क्लाउड ने एक नया दृश्य मॉडल Qwen2.5-VL ओपन-सोर्स किया है, और 3B, 7B और 72B के तीन आकार संस्करण लॉन्च किए हैं। इसमें, फ्लैगशिप संस्करण Qwen2.5-VL-72B ने 13 प्रमुख परीक्षणों में दृश्य समझ का खिताब जीता, जिसने GPT-4o और Claude3.5 को पीछे छोड़ दिया। अली क्लाउड के आधिकारिक विवरण के अनुसार, नया Qwen2.5-VL छवि सामग्री को अधिक सटीकता से解析 कर सकता है, और 1 घंटे से अधिक की वीडियो समझ का समर्थन कर सकता है। यह मॉडल वीडियो में विशिष्ट घटनाओं को खोज सकता है, और वीडियो की अनियमितताओं को समझ सकता है।

आज, डौयिन के उपाध्यक्ष ली लियांग ने बाइटडांस द्वारा बड़े मॉडल मूल्य युद्ध शुरू करने की अफवाहों पर अपनी राय व्यक्त की। उन्होंने सोशल मीडिया पर स्पष्ट रूप से कहा कि यह मूल्य युद्ध नहीं है, बल्कि एआई मॉडल की उपयोग लागत को कम करने के लिए तकनीकी नवाचार के माध्यम से है। जानकारी के अनुसार, फूजियान एंजिन फोर्स सम्मेलन में, बाइटडांस ने औपचारिक रूप से डौ包 दृश्य समझ मॉडल लॉन्च किया, साथ ही इसकी कीमत 1000 टोकन इनपुट पर 0.003 युआन है, जो उद्योग की औसत कीमत से 85% सस्ती है। बाइटडांस द्वारा बड़े मॉडल मूल्य युद्ध के बारे में जो अफ़वाहें चल रही थीं, उन पर डौयिन के उपाध्यक्ष ली लियांग ने प्रतिक्रिया दी।

18 दिसंबर 2024 को ह्वायजॉन्ग इंजन FORCE मूल动力 सम्मेलन में, ह्वायजॉन्ग इंजन ने डौबाओ बड़े मॉडल परिवार के पूर्ण उन्नयन की घोषणा की और नए दृश्य समझ मॉडल की भारी शुरुआत की। ह्वायजॉन्ग इंजन के अध्यक्ष तान डाई ने बताया कि पिछले कुछ महीनों में डौबाओ बड़े मॉडल का दैनिक tokens उपयोग तेजी से बढ़ा है, जो 40 ट्रिलियन से अधिक तक पहुँच गया है, जो मई में लॉन्च होने की तुलना में 33 गुना वृद्धि है। इस वृद्धि का रुझान दिखाता है कि डौबाओ बड़े मॉडल कई अनुप्रयोग क्षेत्रों में व्यापक रूप से उपयोग किया जा रहा है। इस बार, ह्वायजॉन्ग इंजन ने दृश्य समझ मॉडल की शुरुआत की,

चीन की आर्टिफिशियल इंटेलिजेंस क्षेत्र की प्रसिद्ध कंपनी यूनज़िशेंग ने 2024 के 23 अगस्त को बीजिंग में अपने नवीनतम अनुसंधान成果 - शानहाई मल्टी-मॉडल बड़ा मॉडल की घोषणा की। शानहाई मल्टी-मॉडल बड़ा मॉडल यूनज़िशेंग एटलस आर्टिफिशियल इंटेलिजेंस बुनियादी ढांचे का एक हिस्सा है, जो पाठ, ऑडियो, चित्र आदि जैसे कई मॉडलों के इनपुट को प्राप्त और संसाधित कर सकता है, और वास्तविक समय में टेक्स्ट, ऑडियो और चित्रों के किसी भी संयोजन का आउटपुट उत्पन्न कर सकता है। यह क्षमता शानहाई मॉडल को न केवल कुशल वॉयस इंटरएक्शन करने में सक्षम बनाती है, बल्कि यह मानव स्वाभाविक संवाद के करीब एक निर्बाध अनुभव भी प्रदान करती है।

Salesforce ने xGen-MM नामक ओपन-सोर्स मल्टी-मॉडल AI मॉडल जारी किया, जिसका उद्देश्य एक साथ टेक्स्ट, इमेज और अन्य प्रकार के डेटा को समझना और उत्पन्न करना है, जो AI अनुसंधान और अनुप्रयोग के तरीकों को महत्वपूर्ण रूप से बदलता है। यह मॉडल कई बेंचमार्क परीक्षणों में उत्कृष्ट प्रदर्शन करता है और समान ओपन-सोर्स मॉडलों की तुलना में संतोषजनक प्रदर्शन करता है, जिसमें प्री-ट्रेन्ड मॉडल, डेटा सेट और फाइन-ट्यूनिंग कोड शामिल हैं। सबसे बड़े मॉडल में 40 अरब पैरामीटर हैं, जो 'क्रॉस डेटा' को संसाधित करने में सक्षम है, और एक साथ कई कार्यों को निष्पादित करता है, जैसे कई छवियों के विषय में प्रश्नों का उत्तर देना। मॉडल का विविधीकरण AI की संभावनाओं को दर्शाता है।