Тег: Мультимодальные модели

SeedRealtime — аудиовизуальная модель ByteDance для общения в реальном времени с одновременным восприятием звука, видео и речи.

Seed 2.0 — семейство ByteDance Seed для рассуждений, мультимодальных задач, работы с инструментами и программирования.

Seedream 5.0 Lite — модель ByteDance для генерации и редактирования изображений с мультимодальным рассуждением и поиском.

Seedance 2.0 — мультимодальная модель ByteDance для генерации и редактирования видео со звуком по тексту и референсам.

MedGemma 1.5 4B — мультимодальная медицинская модель Google для анализа томограмм, рентгеновских снимков, гистопатологии и медицинских документов.

Seed1.8 — мультимодальная модель ByteDance Seed для поиска, кода, управления интерфейсами и сложных рабочих процессов.

T5Gemma 2 — мультимодальные encoder-decoder модели Google на базе Gemma 3 с изображениями, контекстом до 128 тысяч токенов и размерами 270M–4B.

Seedance 1.5 Pro — модель ByteDance для совместной генерации видео, речи и звуковых эффектов с синхронизацией по сцене.

Seedream 4.0 — мультимодальная модель ByteDance для генерации изображений и редактирования одного или нескольких референсов.

Seed-1.6-Embedding — мультимодальная модель ByteDance для поиска по тексту, изображениям и видео.

MedGemma — открытые медицинские модели Google для обработки клинических текстов и изображений; семейство включает варианты 4B и 27B.

PaliGemma 2 Mix — выпущенные 19 февраля 2025 года vision-language checkpoints Google на 3B, 10B и 28B для исследовательского старта на смеси задач.

PaliGemma 2 — открытая vision-language модель Google на базе Gemma 2: размеры 3B, 10B и 28B, тексто-визуальный ввод и настройка под задачи.