PaLI
El modelo de visión-lenguaje a escala de Google, para descripciones, VQA y tareas multilingües
De pago
Multimodal
17B
parámetros
Proprietary
licencia
sept 2022
lanzamiento
// sobre PaLI
El modelo de visión-lenguaje a escala de Google, para descripciones, VQA y tareas multilingües
// modelos similares en Multimodal
Llama 5
El siguiente modelo insignia multimodal de pesos abiertos de Meta, para el dispositivo y para el centro de datos
Meta AI · Multimodal · Gratis
Gemini 3 Pro
El modelo multimodal insignia de Google, con una ventana de contexto de 1 millón de tokens
Google DeepMind · Multimodal · De pago
Gemini 3.5 Pro
El modelo de frontera de la generación siguiente de Google, anunciado pero todavía no publicado del todo
Google DeepMind · Multimodal · De pago
GPT-4o
El modelo omni de OpenAI, multimodal de origen en texto, imagen y audio
OpenAI · Multimodal · De pago
Gemini Omni Flash
El primer modelo de la familia Omni de Google, que combina razonamiento y generación de vídeo
Google DeepMind · Multimodal · De pago
GPT-6.1 Terra
GPT-6.1 Terra es el modelo rápido y eficiente de la familia GPT-6 de OpenAI, con razonamiento visual y uso del ordenador
OpenAI · Multimodal · De pago