TechniqueGlossaire de l'IA
Modèle omnimodal
Un modèle qui traite nativement plusieurs types de contenus (texte, image, son, parfois vidéo) dans une seule et même architecture, au lieu d'assembler des outils spécialisés. Le principe : tout est d'abord converti en suites de nombres, si bien que le modèle peut mêler un extrait sonore et une image dans le même raisonnement. C'est une version poussée du multimodal.
Autrement dit
Un interprète qui comprend à la fois ce qu'on dit, ce qu'on montre et le ton employé, plutôt que trois traducteurs qui se passent des notes.
Nos articles qui en parlent
- Comment un modèle peut traiter du texte, du son et des images à la fois
Un modèle omnimodal traite plusieurs types d'entrées dans une même architecture. On explique le mécanisme qui rend cela possible et ce qu'il implique.
- Un seul modèle pour le texte, l'image, le son et la vidéo
Alibaba a publié Qwen3.8-Omni-Flash, un modèle traitant nativement plusieurs modalités avec un million de tokens de contexte. On explique ce que l'omnimodalité change réellement.
- Six cents milliards de paramètres à un dollar le million de tokens
StepFun a lancé Step 5 Preview, un modèle de 600 milliards de paramètres avec un million de tokens de contexte, facturé 1 dollar en entrée. On situe ce tarif dans le paysage actuel.
Voir aussi
Dans la même famille : Technique
Retrouver ce terme dans le glossaire complet →Tous les termes