O Instituto de Inteligência Artificial de Pequim (Beijing Academy of Artificial Intelligence - BAAI) anunciou o lançamento do modelo mundial multimodal nativo Emu3. Este modelo, baseado na técnica de previsão do próximo token, consegue compreender e gerar dados de três modalidades – texto, imagem e vídeo – sem depender de modelos de difusão ou métodos combinados. O Emu3 superou modelos open source conhecidos como SDXL, LLaVA e OpenSora em tarefas de geração de imagens, geração de vídeos e compreensão de linguagem visual, demonstrando desempenho excepcional.