Ano ang tawag sa mga AI model na sabay-sabay na humahawak ng ilang uri ng input?

Ang multimodal model ay isang sistemang AI na binuo upang iproseso at unawain ang higit sa isang uri ng input, tulad ng teksto, larawan, audio, at video, sa loob ng isang nagkakaisang sistema, sa halip na limitado sa nakasulat na wika tulad ng mas maagang chatbot noon. Nagbibigay-daan ito sa iyong ipakita rito ang isang larawan at magtanong tungkol dito, patugtugin ito ng audio clip, o ibahagi ang isang chart, at magkaroon ito ng makabuluhang sagot sa pamamagitan ng pag-uugnay sa iba't ibang uri ng impormasyong iyon.

Ang mga open-weight model ay mga modelong AI na ang panloob na parameter ay pampublikong inilabas para maaaring i-download at gamitin ng sinuman, isang ibang konsepto tungkol sa access at lisensya sa halip na kung anong uri ng input ang kayang iproseso ng isang modelo. Ang offline model ay simpleng tumatakbo nang hindi kailangan ng koneksiyon sa internet, isa pang hiwalay na katangian na walang kinalaman sa paghawak ng maraming format.

Ang paghahalo ng iba't ibang uri ng input ay ang nagpapahintulot sa modernong AI assistant na ilarawan ang nangyayari sa isang larawan, ibuod ang isang chart, o sagutin ang mga sinabing tanong tungkol sa isang video, kakayahang kailangan pa sana ng ganap na hiwalay at espesyalisadong sistema ilang taon lamang ang nakalipas.