Allen Institute for AI (Ai2) har introdusert Multimodal Open Language Model (Molmo), en kraftig ny åpen kildekode AI-modell som kan tolke bilder og delta i samtaler. Teknologien forventes å styrke utviklere, forskere og oppstartsselskaper til å lage AI-agenter som kan utføre ulike datamaskinoppgaver som nettlesing, filnavigasjon og dokumentopprettelse. Ali Farhadi, administrerende direktør i Ai2, understreker at Molmo vil muliggjøre bredere distribusjon av multimodale modeller, som i økende grad blir sett på som fremtiden for AI-applikasjoner. Mens store aktører som OpenAI og Google har utviklet modeller med visuelle kapasiteter, er disse alternativene hovedsakelig tilgjengelige via betalte API-er, noe som begrenser deres tilpasningsdyktighet for spesifikke bruksområder. I motsetning tilbyr Molmo en åpen kildekode-tilnærming som gjør det mulig for utviklere å finjustere modellen med egendefinerte treningsdata for bestemte oppgaver, som regnearkadministrasjon. Ai2 lanserer flere versjoner av Molmo, inkludert en kompakt modell med 1 milliard parametere som er egnet for mobile enheter.

Til tross for sin mindre størrelse, matcher Molmo ytelsen til større kommersielle modeller på grunn av treningsdata av høy kvalitet. Selv om Molmos natur som åpen kildekode fremmer innovasjon, skaper det også bekymringer om potensielt misbruk, som skapelse av ondsinnede AI-agenter. Likevel tror Farhadi at Molmos effektivitet vil gjøre det mulig for utviklere å lage mer sofistikert programvare som kan kjøre effektivt på mobile enheter. Utfordringen fremover ligger ikke bare i å forbedre egenskapene til multimodale modeller, men også i å forbedre deres resonneringsevner, som er avgjørende for pålitelig ytelse. Molmos lansering er et skritt nærmere realiseringen av praktiske AI-agenter som kan operere uavhengig av store teknologiselskaper.