HyperCLOVA X Vision
Multimodale Erweiterung von NAVERs HyperCLOVA X zum Verständnis von Bildern.
HyperCLOVA X Vision ist Navers multimodale Erweiterung des Sprachmodells HyperCLOVA X. Sie ergänzt dessen Stärken im Koreanischen um Bildverständnis. Naver stellte sie im August 2024 vor und erklärte, das Modell habe 83,8 Prozent der koreanischen Hochschulaufnahmeprüfungsfragen mit Bildeingabe beantwortet. Bei demselben Test hatte GPT-4o laut Naver 77,8 Prozent erzielt. Dieser Vergleich ist für Navers Positionierung wichtig: Statt bei allgemeinen multimodalen Ranglisten anzutreten, soll das Modell koreanische Dokumente, Prüfungsfragen und visuelle Zusammenhänge bewältigen, bei denen westliche Modelle häufig Fehler machen. Es ist über die Naver-Cloud-API und die CLOVA-X-App verfügbar und richtet sich an koreanische Unternehmen, die Fragen zu Dokumenten, Diagramme oder bildgestützte Chats in ihrer Sprache benötigen. Naver erweiterte die Reihe später um kleinere offene Varianten der HyperCLOVA-X-SEED-Familie und eine Omnimodal-Version mit Audio.