Hay multitud de modelos de lenguaje multimodal en el mercado, y a veces con muy pocas diferencias entre cada uno de ellos, y la forma de destacarse es ofreciendo algo que pueda diferenciarse del resto.

xAi de la mano de Elon Musk anunció el verano pasado su apuesta en el campo de la inteligencia artificial con Grok, de momento solo disponible para usuarios de pago de X, la antigua Twitter.

Ahora xAI ha presentado una nueva versión de Grok, la 1.5V, y que tiene que ver mucho con la visión, es decir, con la capacidad de este modelo multimodal para procesar una amplia variedad de información visual, incluidos documentos, diagramas, cuadros, capturas de pantalla y fotografías.

De esta forma xAI presume que la nueva versión 1.5V va más allá de la comprensión de texto integrando de esta forma capacidades de visión.

Un nuevo avance para Grok frente a sus competidores

Según comentan, Grok 1.5 V supera a sus principales competidores en puntos de referencia clave, destacando el conjunto de datos RealWorldQA, donde se evalúa la capacidad de una inteligencia artificial para comprender escenarios visuales complejos.

“Estamos particularmente entusiasmados con las capacidades de Grok para comprender nuestro mundo físico. Grok supera a sus pares en nuestro nuevo punto de referencia RealWorldQA que mide la comprensión espacial del mundo real”. 

Explican que para los próximos meses, xAI tiene como objetivo mejorar la visualización y la explicación del razonamiento multimodal de Grok.

De momento no vas a poder probar esta nueva versión de Grok dado que están buscando a los primeros probadores para que les brinden comentarios y así ayudar a mejorar su razonamiento multimodal.

Veremos cuando Grok estará disponible para absolutamente todos los usuarios de la red social X, porque de momento solo es accesible de forma libre para aquellos que tengan algún tipo de suscripción.