xAI ha presentado Grok-1.5V, su modelo de inteligencia artificial multimodal más avanzado. Este hito le permite comprender no solo texto, sino también una vasta gama de información visual: imágenes, diagramas, gráficos, capturas de pantalla y fotografías. Además, su arquitectura procesa audio y vídeo, estableciendo un nuevo estándar en comprensión integral.

Una característica clave es su ventana de contexto de 128.000 tokens para texto, posibilitando el razonamiento sobre documentos extensos con memoria excepcional. Grok-1.5V ha mostrado un rendimiento superior en benchmarks multimodales como MMMU, MathVista y Text-Rich Visual Reasoning, superando a otros modelos en tareas complejas que combinan texto e imágenes.

La capacidad de Grok-1.5V para interpretar datos visuales y combinarlos con el lenguaje es impresionante. Puede analizar diagramas, extraer información de tablas o comprender fotos, ofreciendo respuestas precisas. El modelo está siendo probado por usuarios selectos y se espera su disponibilidad más amplia pronto.

Esta IA es una solución revolucionaria para empresas con grandes datos multimedia. Mejorará la atención al cliente interpretando consultas visuales, automatizará el análisis de informes con gráficos y texto, y potenciará la investigación procesando datos técnicos. Su versatilidad promete eficiencia y comprensión sin precedentes.

Fuente: xAI