Le filThèmes : RechercheOpen sourceModèles
Multimodal Flow modélise le langage et la vision dans un modèle génératif entièrement continu
1 sourcemis à jour il y a 5 jpertinence 3,2 sur5
L’essentiel
Le modèle MF-1 atteint 82,8 sur GenEval et DPG-Bench et 75,3 sur VQAv2, MMBench et POPE (moyennes) avec 150 milliards de tokens de pré-entraînement. Le code et le modèle sont publiés.
Propagation1 article, publié par HF Daily Papers le 2 oct..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceHongyuan Tao, Xinggang Wang, Lianghui Zhu et al.huggingface.co
Multimodal Flow: Unified Flow Modeling of Language and Vision in Embedding Spaces (site externe)
We present Multimodal Flow, a fully continuous generative model of language and vision. Most unified multimodal models either model both language and quantized images as discrete tokens or combine discrete language prediction with continuous image generation.
Sur les mêmes thèmes
Modèles
Xiaomi publie MiMo-V2.6-Pro, un modèle open-weights omnimodal de 1 000 milliards de paramètres
Modèles
Xiaomi MiMo publie MiMo-V2.6-Distill-Qwen-9B, un modèle agentique de 9 milliards de paramètres
Modèles
Reflection dévoile Beam, un modèle d’IA de 501 milliards de paramètres
Modèles
OpenAI publie 722 manuscrits de mathématiques issus d’un modèle interne non diffusé
À lire ensuite
Modèles
Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind
Modèles
OpenAI lance GPT-6 Sol et GPT-6 Luna, deux modèles plus économiques qui complètent GPT-6 Astra
Modèles
Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-6 Sol et GPT-6 Luna à environ une heure d’écart
Modèles
Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5