Мультимодальная MoE-модель, способная обрабатывать текст, изображения, видео, сложные документы и снимки интерфейсов. Обеспечивает точный визуальный анализ и извлечение данных при оптимизированном расходе ресурсов.
Контекст: 1 048 576 токенов.