И еще одна мультимодальная опенсорс модель от Apple – MGIE. Разработанная (снова) совместно с Калифорнийским университетом, она предназначена для редактирования изображений по описанию на естественном языке.

В модели объединено распознавание образов и команд и диффузионка до генерации. Таким образом, модель может, например, добавить что-то на фото, что-нибудь удалить или подкорректировать. Ждем в iPhone 16.

Код и веса | Статья | Hugging Face

Google переименовали Bard в Gemini (создатели считают, что это название лучше передает вайб продукта) и выкатили Gemini Advanced. Это платная подписка для доступа к самой мощной из мультимодальных моделей Gemini – Gemini Ultra.

Стоит $20 и позволяет не только работать с моделью на максималках, но еще и интегрировать ее в другие продукты Google экосистемы.

Можно позволить ассистенту просматривать свою почту, календарь, документы и встречи, а он сможет, например, собирать саммари по письмам или документам, да еще и учитывать весь ваш контент в следующих генерациях. К подписке также идет ништяк в виде 2TB на диске.

Извините, что опоздал: просто застрял в локальном минимуме