HyperCLOVA X Vision

HyperCLOVA X Vision est l’extension multimodale, par Naver, de son modèle de langage HyperCLOVA X. Elle ajoute la compréhension d’images à la force du modèle texte en coréen. Naver l’a présenté en août 2024, et l’entreprise dit qu’il a répondu juste à 83,8 % des questions de l’examen d’entrée à l’université en Corée qui incluaient des images, devant les 77,8 % que Naver a indiqués pour GPT-4o sur le même test. Ce benchmark compte pour l’argument de Naver : plutôt que de concourir sur des classements multimodaux génériques, le modèle est fait pour des documents, des questions d’examen et un contexte visuel propres au coréen, là où les modèles occidentaux se trompent souvent. Il est disponible via l’API de Naver Cloud et l’app CLOVA X, pour les entreprises coréennes qui ont besoin de questions-réponses sur des documents, de lecture de graphiques ou de chat ancré sur une image, dans leur propre langue. Naver a continué d’élargir la gamme avec des variantes ouvertes plus petites, dans la famille HyperCLOVA X SEED, et une version omnimodale qui ajoute l’audio.