Xoron-Dev-MultiMoe — мультимодальная MoE-модель для понимания и генерации текста, изображений, видео и аудио.

Подходит для: вопросы и ответы по изображениям · суммаризация и анализ видео до 32 кадров · распознавание речи из аудиозаписей