OpenAI-ի մրցակիցը՝ Իլոն Մասկի xAI-ը, ներկայացրել է իր առաջին մուլտիմոդալ մոդելը՝ Grok-1.5 Vision (կամ Grok-1.5V): Գործիքը կարող է մշակել գծագրերում ցուցադրված տվյալները փաստաթղթերի, գծապատկերների, աղյուսակների, սքրինշոթերի և լուսանկարների մեջ: Լուծումը շուտով հասանելի կլինի շուկայի մասնագետների և ընթացիկ Grok օգտագործողների շրջանում փորձարկման համար: Սա Մասկի ընկերության ևս մեկ քայլ է, որը որպես հիմնական նպատակ հայտարարեց «օգտակար հանրային AI»-ի ստեղծումը։ Ընկերությունը բերում է մի քանի օրինակներ, թե ինչպես է աշխատում Grok-1.5V-ը՝ ուրվագծված հոսքի գծապատկերը Python կոդի վերածելուց կամ աղյուսակը CSV ֆայլի վերածելուց մինչև երեխայի նկարի կամ մեմի բացատրության հիման վրա քնելուց առաջ պատմություն ստեղծելը: xAI-ի ներկայացուցիչները պնդում են, որ այս մուլտիմոդալ մոդելը առանձնանում է իր անալոգներից (GPT-4V, Claude 3Sonnet, Claude 3 Opus և Gemini Pro 1.5) և գերազանցում է մրցակիցներին շրջապատող տարածությունը վերլուծելու հարցում։ Առավելությունը ձեռք է բերվում RealWorldQA տեխնոլոգիայի միջոցով (Creative Commons լիցենզիա), որը վերապատրաստվել է 700+ պատկերների վրա, որոնք ուղեկցվել են յուրաքանչյուր թեմայի վերաբերյալ հարցերով և պատասխաններով։