Компанията на Илон Мъск xAI представи Grok-1.5 Vision — нова версия на невронната мрежа Grok. Инструментът може да обработва не само текст, но и визуална информация: снимки, скрийншоти, диаграми и много други.
Според xAI, Grok-1.5V може да преобразува снимка на блок-схема в код на Python или скрийншот на таблица в CSV файл. Тя може също да бъде помолена да разкаже приказка въз основа на детска рисунка или да обясни мийм.
xAI твърди, че този мултимодален модел се откроява сред своите аналози (GPT-4V, Claude 3Sonnet, Claude 3 Opus и Gemini Pro 1.5) и превъзхожда конкурентите си в много популярните бенчмаркове, поради използването на технологията RealWorldQA. Невронната мрежа беше обучена на 700+ изображения, които бяха придружени от въпроси и отговори по всяка тема.
В края на март xAI пусна Grok-1.5, който може да обработва до 128 000 токена, което позволява на чатбота да изпълнява по-сложни заявки и да разбира по-добре входящите данни.
„[Grok-1.5 е в състояние] да използва информацията от много по-големи документи“, пише X.ai. „Освен това, моделът може да обработва по-сложни заявки, като същевременно запазва способността си да следва инструкциите, докато контекстният прозорец се разширява.“
През април Илон Мъск каза, че около 20 хиляди графични процесора Nvidia H100 AI са използвани за обучението на чатбота Grok 2, а новото поколение Grok 3 ще изисква 100 хиляди графични процесора.
Всичко важно от света на технологиите, директно в пощата ти.
С абонирането приемате нашите Условия и Политика за поверителност. Може да се отпишете с един клик по всяко време.
Коментирайте статията в нашите Форуми. За да научите първи най-важното, харесайте страницата ни във Facebook, и ни последвайте в Google Новини, TikTok, Telegram и Viber или изтеглете приложението на Kaldata.com за Android, iPhone, Huawei, Google Chrome, Microsoft Edge и Opera!
