标签：多模态AI模型

近日，据IT之家报道，法国AI初创企业Mistral推出了其首款多模态AI模型——Pixtral 12B。这款模型具备处理图像和文本的能力，拥有120亿个参数，文件大小约为24GB。一般来说，参数越多，模型的性能越出色。Pixtral 12B基于文本模型Nemo 12B构建，能够回答关于任意图像的问题。 与其他多模态模型如Anthropic的Claude系列和OpenAI的GPT-4相比，Pixtral 12B同样具备为图像添加描述以及统计照片中物体数量等功能。用户可以免费下载并根据Apache 2.0许可证对Pixtral 12B进行微调。Mistral的开发者关系负责人Sophia Yang在X平台上透露...

Meta发布TransFusion：统一文本与图像生成的多模态AI模型 # 随着人工智能领域的不断发展，Meta近日推出了一款名为TransFusion的新型多模态AI模型，该模型能够在单一框架内同时生成高质量的文本和图像。这款模型通过巧妙地结合Transformer和扩散模型的优点，为构建真正意义上的多模态AI模型开辟了新的路径。 TransFusion的核心创新在于：它将语言建模（下一个token预测）与扩散模型相结合，实现了在混合模态序列上训练单个Transformer的目标。研究团队从零开始，在混合文本和图像数据上预训练了一个参数量高达70亿的TransF...