中国の大規模言語モデル開発企業DeepSeekが、新たな多様な大規模言語モデルJanus-Proを発表し、正式にテキストから画像生成の分野に進出しました。これはDeepSeekのマルチモーダルAI技術における大きな飛躍を示しています。GenEvalとDPG-Benchのベンチマークテストにおいて、Janus-Pro-7BはOpenAIのDALL-E3を凌駕するだけでなく、Stable Diffusion、Emu3-Genなどの主要なモデルをも上回りました。Janus-ProはMITライセンスを採用しています。

テンセント優図研究所などの機関が、初のオープンソース多様な大規模言語モデルVITAを発表しました。これは、中国語の方言処理における大規模言語モデルの空白を埋めることを目的としています。VITAはMixtral8×7Bモデルをベースに、中国語の語彙数を拡張し、バイリンガル指示微調整を行い、英語と中国語に精通しています。主な特徴は以下のとおりです。1. **多様な理解力**: VITAは、ビデオ、画像、テキスト、オーディオを処理でき、オープンソースモデルとしては前例がありません。2. **自然なインタラクション**: 特定の呼び出しワードは不要で、即座に反応し、礼儀正しく邪魔になりません。