Focus sur le multimodal: le temps de chatppt n'est pas arrivé, le grand modèle 2025 a-t-il "ralenti"?

Réimprimé de: Pékin Business Daily

Lorsque les grands modèles de type langue représentés par Chatgpt remodeler la méthode de génération de contenu, le modèle multimodal attend toujours son "moment iPhone". Lors de la conférence de Zhiyuan en 2025 qui s'est tenue récemment, le Zhiyuan Research Institute (ci-après dénommé "Zhiyuan") a officiellement publié une série de grands modèles "Wujie", y compris le modèle mondial multimodal natif EMU3. EMU3 réalise toute combinaison de texte, d'images et de vidéos, et peut capturer les lois du monde via un seul modèle.

L'IA se développe si vite qu'il y a de nouveaux sujets chaque année. En 2024, les guerres de prix sont les mots clés des grands modèles. En 2025, il estime que la direction du vent a changé et que l'application de grands modèles fleurit, mais il y a un sentiment que le développement de grands modèles a "ralenti".

En fait, les produits nouveaux et anciens sur le marché sont en concurrence sur la même étape, montrant une pensée tridimensionnelle et multidimensionnelle, et cela est particulièrement vrai pour les grands modèles multi-modaux. Selon l'évaluation actuelle de la maturité technologique, les capacités de base telles que la génération vidéo sont toujours au stade de transition entre GPT-2 et GPT-3, ce qui est un écart important avec les attentes de l'industrie. Les modèles mul...
[Courte citation de 8% de l'article original]