Hay muchos modelos de lenguajes multimodales en el mercado, y en ocasiones con muy pocas diferencias entre cada uno de ellos, y la forma de destacar es ofreciendo algo que pueda diferenciarse del resto.

xai El pasado verano, Elon Musk anunció su apuesta por el campo de la inteligencia artificial con Grok, de momento sólo disponible para usuarios de pago de X, el antiguo Twitter.

Ahora xAI ha presentado una nueva versión de Grok, la 1.5V, y que tiene mucho que ver con la visión, es decir, con la capacidad de este modelo multimodal de procesar una amplia variedad de información visual, incluyendo documentos, diagramas, tablas, capturas de pantalla y fotografías.

De esta forma xAI presume que la nueva versión 1.5V va más allá de la comprensión del texto, integrando así las capacidades de visión.

Un nuevo avance para Grok respecto a sus competidores

Según ellos, Grok 1.5 V supera a sus principales competidores en puntos de referencia clave, destacando el conjunto de datos RealWorldQAdonde se evalúa la capacidad de una inteligencia artificial para comprender escenarios visuales complejos.

“Estamos especialmente entusiasmados con las capacidades de Grok para comprender nuestro mundo físico. Grok supera a sus pares en nuestro nuevo punto de referencia RealWorldQA que mide la comprensión espacial del mundo real”.

Explican que para los próximos meses, xAI tiene como objetivo mejorar la visualización y explicación del razonamiento multimodal de Grok.

Por el momento no podrás probar esta nueva versión de Grok ya que están buscando evaluadores tempranos para brindar comentarios que ayuden a mejorar su razonamiento multimodal.

Veremos cuando Grok estará disponible para absolutamente todos los usuarios de la red social X, porque de momento sólo es de libre acceso para aquellos que tengan algún tipo de suscripción.