L'Allen Institute for Artificial Intelligence (Ai2), una entitat sense ànim de lucre de recerca, ha presentat una sèrie de models de llenguatge multimodal de codi obert anomenats Molmo, afirmant que rivalitzen amb el rendiment dels models propietaris més destacats d'OpenAI, Google i Anthropic. El model Molmo més gran, amb 72 mil milions de paràmetres, suposadament supera el GPT-4o d'OpenAI, que té més d'un trilió de paràmetres, en proves relacionades amb la interpretació d’imatges i documents. A més, una versió més petita amb 7 mil milions de paràmetres iguala de prop el model capdavanter d’OpenAI, atribuït a les pràctiques eficients de recollida de dades i formació d’Ai2. Ali Farhadi, CEO d’Ai2, destaca que Molmo demostra la viabilitat de l’IA de codi obert, permetent als desenvolupadors construir aplicacions lliurement. Tot i que parts del model Molmo més potent segueixen sense ser exposades, hi ha una demostració disponible a la plataforma Hugging Face. A diferència d’altres models multimodals extensos entrenats amb dades sorolloses recopilades d’internet, Molmo es basa en un conjunt de dades curat de 600, 000 imatges, millorant significativament el rendiment mentre utilitza menys recursos, segons el director sènior Ani Kembhavi.

Això s'ha aconseguit a través d’anotacions humanes detallades convertides en dades mitjançant tecnologies d’IA, accelerant el procés de formació. Experts com Yacine Jernite de Hugging Face i Percy Liang de Stanford afirmen els beneficis d’entrenar amb dades d’alta qualitat per reduir costos computacionals. Una característica notable de Molmo és la seva capacitat per “assenyalar” elements en una imatge, millorant les interaccions amb interfícies d’usuari. En una demostració, el model va identificar i comptar objectes en una foto amb èxit, però no va poder localitzar elements específics. El compromís d’Ai2 amb l’obertura el diferencia d’altres empreses d’IA, amb el potencial de Molmo depenent de les aplicacions que els desenvolupadors creïn. Farhadi argumenta que, mentre els models propietaris atrauen inversions significatives, l’enfocament de codi obert podria donar millors resultats, ja que utilitza eficientment els recursos i fomenta la innovació. “Estem emocionats d’habilitar altres i veure què construiran amb això”, diu Farhadi.