本文へスキップ

MM1.5

文字を多く含む画像の理解に向けた多モーダル模型群

公式サイトを見る

MM1.5 とは

本モデル群は MM1 の構成を土台にデータを中心にした学習を採る多モーダル大規模言語モデルと紹介されている。

できること

  • 文書と関係する論文を読む
  • 基本・動画理解・モバイル UI の変種から選ぶ
  • 手元の環境か雲の上に配備する

長所と短所

✓ 良い点

  • 資料は 1B と 3B の小型でも高い性能を挙げる
  • 規模は 1B から 30B のパラメータにまたがる

! 注意したい点

  • 手法はデータの混ぜ方の選択に左右される
  • 変種の選択は目的とする課題に従う

よくある質問

どの規模がある?

資料は 1B から 30B のパラメータを挙げる。

どんな変種がある?

資料は密集型と混合専門家の変種を挙げる。

最終評価日: 2026-11-15

その他 AI画像生成 ツール

すべて見る →

評価方法