Artykuły według tagu: multimodal-ai

Gemini Ultra 2.0 od Google: rekordowa wydajność i cena

Google zaprezentowało Gemini Ultra 2.0 z kontekstem do 10 mln tokenów, przewyższającym GPT-5. Dowiedz się o przełomowej architekturze, cenie $0.0005 i wpływie na rynek AI. Przeczytaj pełną analizę.

Thinking Machines: Modele AI czasu rzeczywistego

Startup Miry Murati Thinking Machines Lab zaprezentował modele AI do interakcji w czasie rzeczywistym bez opóźnień. Dowiedz się, jak zmieni to rynek i oceń perspektywy technologii.

NVIDIA Nemotron 3 Nano Omni: multimodalny AI 9 razy wydajniejszy

NVIDIA zaprezentowała otwarty model Nemotron 3 Nano Omni, łączący wideo, audio i tekst. Dowiedz się o 9-krotnym wzroście wydajności i architekturze dla korporacyjnych agentów AI.

GLM-5V-Turbo generuje kod z designu

Multimodalna GLM-5V-Turbo przekształca makiety w kod frontendowy. Benchmarki, architektura CogViT, 10 Skills. Testujcie za darmo w chat.z.ai do rozwoju IT.

Qwen3.5-Omni: AI generuje kod z wideo

Qwen3.5-Omni od Alibaba: multimodalny AI z kontekstem 256K, SOTA w audio-wideo. Generuje kod z nagrań ekranu. Integrujcie w projekty — czytajcie szczegóły i benchmarki.

Rosyjskojęzyczny AI do analizy rentgena: budowa modelu ViT + ruGPT-3

Praktyczne przewodnictwo po tworzeniu multimodalnej modelu AI do generowania medycznych wniosków w języku rosyjskim. Poznaj architekturę, przygotowanie danych i uczenie.