NadiAIGlobal AI news. Concise. Clear. Easy to follow.
Menurut Data Center Dynamics, komputer kuantum analog berpotensi meningkatkan prestasi pusat pengkomputeran berprestasi tinggi (HPC) dengan pendekatan multimodal yang menggabungkan mod pemprosesan berbeza. Pendekatan ini mungkin mempercepat tugas tertentu dan melengkapkan infrastruktur HPC sedia ada, tetapi manfaat praktikal bergantung pada perkembangan teknologi dan integrasi.
Hugging Face memperkenalkan Perceiver IO, model sepenuhnya berasaskan perhatian yang berskala dan menyokong pelbagai modaliti. Butiran teknikal dan prestasi dirujuk kepada catatan blog asal.
OpenAI memperkenalkan GPT‑4, model besar multimodal yang menerima input teks dan imej serta menghasilkan teks. Menurut OpenAI, GPT‑4 kurang cekap berbanding manusia dalam banyak situasi dunia nyata tetapi menunjukkan prestasi setara manusia pada beberapa penanda aras profesional dan akademik.
OpenAI mengumumkan ChatGPT kini boleh menerima input visual dan audio serta menghasilkan output suara, menurut syarikat. Fungsi ini membolehkan model mengenal imej, memproses bunyi dan memberi respons bertutur, menurut kenyataan itu.
Hugging Face memperkenalkan ConTextual, penilaian untuk mengukur sejauh mana model multimodal boleh beralasan bersama teks dan imej dalam adegan yang padat dengan teks. Hugging Face berkata ia bertujuan menilai prestasi model pada tugas vision-language.
OpenAI memperkenalkan model pemantauan multimodal baharu berasaskan GPT-4o yang lebih tepat mengesan teks dan imej berbahaya. Model ini membolehkan pembangun membina sistem pemantauan yang lebih kukuh.
Google memperkenalkan Gemma 3, model bahasa besar (LLM) terbuka yang direka untuk multimodal, sokongan berbilang bahasa dan konteks panjang. Menurut catatan di blog Hugging Face, model ini bertujuan memberi kebolehan baru untuk pemprosesan teks dan media merentas bahasa.
Hugging Face memperkenalkan TimeScope, kerangka untuk menilai berapa lama model multimodal besar bagi video boleh mengekalkan konteks temporal. Menurut blog itu, TimeScope membantu menguji batas panjang input dan kesannya ke atas prestasi model dalam tugas berkaitan video.
OpenAI memperkenalkan GPT‑5, yang mereka gambarkan sebagai lompatan ketajaman berbanding model terdahulu. Sistem ini dikatakan menunjukkan prestasi terbaik pada tugas pengaturcaraan, matematik, penulisan, kesihatan dan persepsi visual.
OpenAI memperkenalkan Sora 2, model generasi video dan audio baharu yang mendakwa meningkatkan fizik, realisme dan penyelarasan audio. Menurut pengumuman rasmi, model ini juga menawarkan kawalan gaya lebih luas dan kebolehupayaan arah (steerability) yang dipertingkat.
Gemini 2.5 Flash‑Lite, yang sebelum ini dalam pratonton, kini stabil dan tersedia secara umum untuk penggunaan pengeluaran berskala. Model kecil ini kos‑efisien dan menyokong ciri keluarga 2.5 seperti tetingkap konteks 1 juta token serta multimodaliti.
Google DeepMind mengumumkan model multimodal baharu dalam koleksi MedGemma. DeepMind menyifatkan ia sebagai model terbuka paling berkemampuan untuk pembangunan AI dalam bidang kesihatan.