#vision-language

'Baidu представила ERNIE-4.5-VL-28B-A3B-Thinking — компактную открытую мультимодальную модель, которая обеспечивает reasoning на документах, графиках и видео при активации 3B параметров на токен.'

'Обзор ведущих open-source OCR моделей и рекомендации, как выбрать инструмент для печатных, рукописных или мультимодальных документов.'

'GLM-4.5V от Zhipu AI — открытая мультимодальная модель с 106B параметрами в фоне и 12B активных параметров, поддержкой 64К токенов и режимом Thinking Mode для сложного визуально-текстового анализа.'