Cohérence améliorée entre texte et image pour les IA multimodales
Des chercheurs de Google, Google DeepMind et Stony Brook University ont développé CO₂Jump, une méthode pour améliorer la cohérence entre texte et image générés par IA.
IA multimodale
Les modèles d’IA peinent encore en perception visuelle, selon un benchmark
Un nouveau benchmark, PerceptionBench de Moonshot AI, révèle que les modèles d’IA multimodaux affichent des performances médiocres en perception visuelle pure, loin du raisonnement.
Hugging Face lance « Multimedia Building Blocks » pour les agents IA
Hugging Face facilite la création d’agents IA multimodaux avec « Multimedia Building Blocks ».
Qwen3.7-Plus : Alibaba lance un agent multimodal autonome
L’équipe Qwen d’Alibaba a dévoilé Qwen3.7-Plus, un modèle d’agent multimodal qui combine perception visuelle, opération d’interface graphique et codage.
DeepSeek dote son chatbot de capacités multimodales
La start-up chinoise DeepSeek a intégré des capacités multimodales à son chatbot phare, lui permettant de traiter images et vidéos en plus du texte.
Qwen 3.6-35B-A3B : un modèle d’IA open source aux capacités accrues
Le modèle d’IA Qwen 3.6-35B-A3B, doté de capacités multimodales et d’une architecture MoE, est désormais open source.
Les IA préfèrent deviner plutôt que demander de l’aide
Une étude révèle que les modèles d’IA multimodaux préfèrent inventer des réponses plutôt que de solliciter des informations manquantes auprès des utilisateurs.