Tag Archives: Multimodal

Google เปิดตัว Gemini 2.5 Flash-Lite โมเดล LLM ระดับเริ่มต้นตัวใหม่ประมวลผลเร็วขึ้น ราคาถูกกว่า Pro ถึง 10 เท่า พร้อมใช้งาน mixture-of-experts เพิ่มประสิทธิภาพ

Google กำลังเพิ่มฟีเจอร์ปัญญาประดิษฐ์ใหม่ให้กับ Google Workspace เพื่อช่วยให้ผู้ใช้สามารถเขียนอีเมล แปลงสไลด์โชว์เป็นวิดีโอ และทำงานอื่น ๆ ได้ง่ายยิ่งขึ้น

Google ประกาศเปิดตัว Gemini 2.5 Pro Preview เวอร์ชันล่าสุดของโมเดล AI ชั้นนำของบริษัท ที่มาพร้อมความสามารถด้านการเขียนโค้ดที่พัฒนาขึ้นอย่างมีนัยสำคัญ โดยเปิดให้เข้าถึงในโหมด early access แล้ววันนี้ ก่อนงานประชุมนักพัฒนา Google I/O 2025 ที่จะมีขึ้นในอีกไม่กี่สัปดาห์ข้างหน้า

Meta ประกาศเปิดตัว Llama 4 ปัญญาประดิษฐ์เวอร์ชันอัปเดตล่าสุดอย่างเป็นทางการ ซึ่งเป็นชุดโมเดลภาษาขนาดใหญ่ (LLMs) แบบโอเพนซอร์ส ที่จะช่วยยกระดับขีดความสามารถของ Meta AI ในประเทศไทยอย่างมีนัยสำคัญ และเป็นอีกก้าวหนึ่งในการพัฒนานวัตกรรมอย่างต่อเนื่องของ Meta เพื่อให้ผู้ใช้ทุกคน จากทุกที่ สามารถ เข้าถึง AI ระดับโลกได้

มีรายงานว่า Thinking Machines Lab ซึ่งเป็นสตาร์ทอัพด้านปัญญาประดิษฐ์ที่นำโดย Mira Murati อดีตประธานเจ้าหน้าที่ฝ่ายเทคโนโลยีของ OpenAI กำลังระดมทุนรอบ seed มูลค่า 2 พันล้านดอลลาร์

Google กำลังอัปเดตฟีเจอร์ใหม่ให้ “AI Mode” ใน Google Search โดยเพิ่มความสามารถแบบมัลติโหมด ที่ช่วยให้ระบบสามารถ “มองเห็น” ภาพที่ผู้ใช้อัปโหลดเข้ามา เพื่อให้ตอบคำถามได้อย่างมีประสิทธิภาพมากยิ่งขึ้น

AWS ได้ประกาศเพิ่มเติมฟีเจอร์ใหม่ใน Amazon Q Business ที่พร้อมสนับสนุนการกลืนกิน (Ingestion) ข้อมูลที่เป็นเสียงและวีดีโอเข้าไปทำความเข้าใจได้แล้ว ซึ่ง จะช่วยทำให้ผู้ใช้งาน Amazon Q สามารถสืบค้นเนื้อหาในวีดีโอหรือเสียงได้ ถาม ตอบโดยอิงจากข้อมูลที่อยู่ในไฟล์ข้อมูลได้แล้ว

Microsoft ประกาศเปิดตัวโมเดล AI ตระกูล Phi รุ่นใหม่ล่าสุด ได้แก่ Phi-4-multimodal และ Phi-4-mini ที่ให้ความสามารถด้าน AI ขั้นสูงในรูปแบบโมเดลขนาดเล็ก พร้อมให้บริการแล้วบน Azure AI Foundry, HuggingFace และ NVIDIA API Catalog

IBM ประกาศเปิดตัวโมเดล Granite 3.2 ใหม่ มาพร้อมความสามารถด้านการให้เหตุผล, การประมวลผลภาพ, และการพยากรณ์ พร้อมเปิดให้ใช้งานแบบโอเพนซอร์สภายใต้ใบอนุญาต Apache 2.0 p

Amazon Bedrock บริการ Managed Service สำหรับโมเดล Foundation Model เพื่อต่อยอดการสร้างแอปพลิเคชัน Generative AI ได้อย่างรวดเร็ว สัปดาห์ที่แล้วได้ประกาศสนับสนุนโมเดลของ Cohere เพิ่มเติมอย่าง Embed 3 ที่เป็น Multimodal ให้ใช้งานได้แล้ว

Amazon Web Services (AWS) แผนกคลาวด์ของ Amazon.com ได้ประกาศเปิดตัวโมเดล Gen AI แบบ Multimodal ตระกูลใหม่ภายใต้ชื่อ Nova ในงาน AWS re:Invent

ดูเหมือนว่า Meta จะอยากเปิดตัวโมเดล AI ที่ล้อไปกับเทศกาลฮาโลวีนที่กำลังจะถึงในเร็ว ๆ นี้ โดยได้เปิดตัว Meta Spirit LM โมเดล Multimodal ใหม่ให้เป็น Open Source ที่สามารถใส่อารมณ์หรือโทนเสียง ทำให้เชื่อมโยงข้อความและเสียงที่เป็น Input และ Output ได้อย่างไร้รอยต่อมากยิ่งขึ้น 

Google ประกาศพร้อมให้บริการ Gemini 1.5 Flash-8B แบบ General Availability โมเดล AI ขนาดเล็กที่มีประสิทธิภาพสูง พร้อมเพิ่ม Rate limit 2 เท่า

Generative AI ที่เกิดขึ้นมาก่อนหน้านี้และที่กำลังใช้งานกันอยู่ในปัจจุบัน ส่วนใหญ่นั้นจะเป็นการอิงโครงสร้างสถาปัตยกรรม Transformer ซึ่งอ้างอิงมาจากงานตีพิมพ์ Attention Is All You Need อันโด่งดัง หากแต่ล่าสุด Liquid AI ได้ออกมาเปิดตัวโมเดลใหม่ที่ไม่ได้อิง Transformer และอาจเป็นโมเดล Generative AI แห่งอนาคต

จากงาน Meta Connect วันนี้ ทาง Meta ได้ปล่อยโมเดล Llama 3.2 ออกมาอย่างเป็นทางการ โดยถือว่าเป็น โมเดล Multimodal ที่เป็น Open Source ตัวแรกของบริษัทที่สามารถเข้าใจได้ทั้งภาพและข้อความที่มีความสามารถเทียบเคียงกับโมเดลของ Anthropic และ OpenAI แล้วด้วย

จากที่ Sam Altman ได้ปัดข่าวลือว่าจะ OpenAI จะเปิดตัว Search Engine แต่จะเป็นสิ่งที่เหมือนเป็นเวทมนตร์มาก ๆ ในค่ำคืนที่ผ่านมา บริษัทได้เปิดตัว “GPT-4o” โมเดลเรือธงใหม่ล่าสุดที่สามารถใส่อารมณ์ในการเล่านิทาน ร้องเพลง พร้อมกับสามารถสอนแก้ไขสมการคณิตศาสตร์ได้เหมือนคุยกับเพื่อนจริง ๆ ก็ว่าได้ บทความนี้ ทีมงานได้สรุปรายละเอียดเกี่ยวกับ GPT-4o ที่ OpenAI ได้เปิดตัวอย่างเป็นทางการเรียบร้อยมาให้แล้ว ว่าโมเดลนี้คืออะไร มีความขีดความสามารถอะไรบ้าง ที่บอกได้เลยว่า AI ที่เหมือนกับในภาพยนตร์หลาย ๆ เรื่อง อาจจะได้เห็นกันในช่วงชีวิตนี้ก็เป็นได้