پژوهش نئو ام‌ام‌ای؛ مدل کارآمد هوش مصنوعی چندوجهی و چندزبانه معرفی NeoMME، خانواده جدیدی از مدل‌های چندوجهی و چندزبانه با معماری ترنسفورمر دوجهته که بدون وابستگی به مدل بینایی جداگانه، تصویر و متن را هم‌زمان پردازش می‌کند. ۱۲ شهریور ۱۴۰۵ ۳ دقیقه مدل‌ها Falcon Perception: مدل سبک هوش مصنوعی برای درک صحنه و زبان طبیعی معرفی Falcon Perception؛ ترنسفورمر ۰.۶ میلیارد پارامتری با معماری early fusion برای بخش‌بندی و گراندینگ متنی. نتایج برجسته، استنتاج سریع و متن‌باز. ۱۲ فروردین ۱۴۰۵ ۳ دقیقه مدل‌ها هوش مصنوعی Granite 4.0 Vision؛ تحلیل اسناد سازمانی با مدلی جمع‌وجور IBM از مدل جدید Granite 4.0 3B Vision رونمایی کرد که برای استخراج دقیق اطلاعات از اسناد پیچیده، فرم‌ها و تصاویر ساختاریافته طراحی شده است. ۱۱ فروردین ۱۴۰۵ ۳ دقیقه اخبار هوش مصنوعی در مأموریت مریخ: اولین رانندگی خودکار پرسه‌ور توسط NASA در اولین رانندگی خودکار پرسه‌ور بر سطح مریخ، ربات مسیرهای ایمن را با کمک هوش مصنوعی تعیین کرد و بدون دخالت انسان، با سرعتی شگفت‌انگیز به هدف رسید. ۱۱ بهمن ۱۴۰۴ ۲ دقیقه مدل‌ها NVIDIA Cosmos Reason 2؛ گام بزرگ هوش مصنوعی برای درک فیزیکی جهان Cosmos Reason 2 جدیدترین مدل منبع‌باز انویدیا برای هوش مصنوعی فیزیکی است که با استدلال گام‌به‌گام، دقت بالاتری در درک تصویر و محیط به ربات‌ها می‌دهد. ۱۶ دی ۱۴۰۴ ۲ دقیقه مدل‌ها Aya Vision؛ جهش بزرگ هوش مصنوعی چندزبانه با قابلیت دید کامپیوتری در مقاله امروز به معرفی Aya Vision، نسل جدید مدل‌های چندزبانه و چندحالته می‌پردازیم؛ مدلی منبع‌باز که با پشتیبانی از ۲۳ زبان، درک متن و تصویر را متحول می‌کند. ۱۴ اسفند ۱۴۰۳ ۲ دقیقه مدل‌ها افزایش توانایی هوش مصنوعی smolagents با پشتیبانی از مدل‌های بینایی با به‌روزرسانی جدید smolagents، مدل‌های زبانی بینایی به عوامل هوش مصنوعی اضافه شدند و مرور وب کاملاً خودمختار ممکن شد. ۵ بهمن ۱۴۰۳ ۲ دقیقه مدل‌ها یکپارچگی انقلابی Timm و Transformers: گامی نوین در هوش مصنوعی بینایی ماشین یکپارچگی جدید کتابخانه‌های Timm و Hugging Face Transformers، بهره‌وری مدل‌های بینایی ماشین را افزایش می‌دهد. از استنتاج سریع تا تنظیم دقیق آسان‌تر، این همکاری دنیای AI را متحول می‌کند. ۲۷ دی ۱۴۰۳ ۴ دقیقه مدل‌ها معرفی چشم‌انداز به API تنظیم دقیق توسعه‌دهندگان اکنون می‌توانند GPT-4o را با تصاویر و متن تنظیم کنند تا قابلیت‌های بینایی را بهبود بخشند ۱۰ مهر ۱۴۰۳ ۲ دقیقه مدل‌ها لاما ۳.۲: ورود هوش مصنوعی چندوجهی به دستگاه‌های شخصی میتا و هوگینگ‌فیس از لاما ۳.۲ رونمایی کردند؛ نسل جدیدی از مدل‌های هوش مصنوعی با قابلیت بینایی و اجرای محلی روی تلفن همراه و筆記‌دهاری، که دموکراتیزه سازی AI را تسهیل می‌کند. ۴ مهر ۱۴۰۳ ۲ دقیقه