HyperCLOVA X Vision
La extensión multimodal de HyperCLOVA X de Naver para entender imágenes
HyperCLOVA X Vision es la extensión multimodal de Naver de su modelo de lenguaje HyperCLOVA X, y añade comprensión de imágenes sobre la fuerza del modelo de texto en coreano. Naver lo presentó en agosto de 2024, y la empresa ha dicho que respondió el 83,8 % de las preguntas del examen de acceso a la universidad en Corea que incluían imágenes, por delante del 77,8 % que Naver informó para GPT-4o en la misma prueba. Ese benchmark importa para el argumento de Naver: en lugar de competir en rankings multimodales genéricos, el modelo está hecho para tratar documentos, preguntas de examen y contexto visual propios del coreano, que los modelos occidentales suelen fallar. Está disponible por la API de Naver Cloud y en la app CLOVA X, dirigido a empresas coreanas que necesitan preguntas y respuestas sobre documentos, lectura de gráficos o chat anclado a imágenes en su propio idioma. Naver ha seguido ampliando la gama con variantes abiertas más pequeñas bajo la familia HyperCLOVA X SEED y una versión omnimodal que añade audio.