Liquid AI представи d1.2 с поддръжка на текст, изображения и аудио
Liquid AI пусна d1.2 и d1.2-ultra — хоствани модели за вземане на решения, които обработват текст, изображения и аудио. Вместо да генерират текст, те връщат вероятности за предварително зададени отговори и структурирани резултати, без изходни токени. Моделите приемат до 65 536 входни токена на въпрос и до 128 въпроса в едно извикване. Броят на параметрите не е обявен, а достъпът засега е само през хоствания Liquid API.
Версията добавя пет типа отговори: извличане на стойност заедно с източника ѝ, намиране на всички съвпадащи сегменти, локализиране на обекти с правоъгълници, оценка на число с диапазон и избор на всички приложими опции. Аудиото се подава като 16-битов PCM WAV и се отчита по 10 токена за секунда. В тестове със записи от ESC-50 и FLEURS двата модела са отговорили правилно на 95% до 97% от въпросите.
В Artificial Analysis Decision Index v2.1 d1.2-ultra получава 75 точки, а d1.2 — 69. В собствена проверка на Liquid AI върху 13 бенчмарка и 22 505 въпроса грешката при калибрирането е съответно 0,8 и 1,2 пункта. Теглата на моделите са планирани, но дата за публикуването им няма. По-старите d1 модели са спрени и не поддържат аудио или новите задачи.
Текстът е изготвен от ИИ на Sakhanda Wire по материал на MarkTechPost. Фактите, цитатите и пълният контекст са в оригиналната статия по-долу.