A empresa O Lado Escuro da Lua orgulhosamente apresenta seu novo modelo SOTA (state-of-the-art) — o modelo de raciocínio multimodal k1.5, marcando um grande avanço no raciocínio multimodal e na inferência geral. O modelo não apenas possui excelente capacidade de processamento multimodal, mas também demonstra uma capacidade de raciocínio geral excepcional, capaz de lidar efetivamente com uma variedade de tarefas complexas. O maior destaque do modelo k1.5 reside em sua capacidade de raciocínio multimodal. Ele pode processar simultaneamente informações de diferentes modalidades, como texto, imagens e som, fornecendo assim informações mais completas e precisas.

A Alibaba lançou recentemente um novo modelo de raciocínio multimodal chamado QVQ-72B, baseado no Qwen2-VL-72B. Ele combina poderosas habilidades de linguagem e visão, permitindo o processamento de tarefas de raciocínio e análise mais complexas, marcando um novo avanço da Alibaba na área de IA multimodal. O QVQ-72B demonstrou melhorias significativas em raciocínio visual, problemas de matemática e ciência, especialmente em tarefas de raciocínio de múltiplas etapas. Isso significa que o modelo não apenas compreende informações de texto, mas também informações de imagem, e pode processá-las em múltiplas etapas.