Chameleon: el nuevo LLM multimodal de Meta

Laboratorio de investigación de IA de Meta acaba de presentar Camaleón, una nueva familia de inteligencia artificial (IA) basado en tokens de “fusión temprana”. Chameleon puede comprender y generar texto e imágenes en cualquier secuencia.

A diferencia de otros modelos que procesan imágenes y textos por separado, combinándolos posteriormente, Chameleon trabaja con secuencias enlazadas de ambos. Chameleon superó a todos los modelos de la competencia en subtítulos de imágenes y preguntas visuales, pero mantuvo un rendimiento equivalente en tareas de solo texto. Chameleon, con sus 34 mil millones de parámetros, también igualó o superó a modelos top como Gemini Pro y el GPT-4V en pruebas de generación multimodal de larga duración.

Por qué eso importa

Chameleon demuestra el potencial de una arquitectura diferente para modelos de IA multimodal. Su enfoque de fusión temprana permite un razonamiento y una generación más fluida entre diferentes modalidades, estableciendo nuevos niveles de rendimiento.

Lea también: