Egy új, ingyenesen kipróbálható mesterséges intelligenciamodellt, a Crouton Alpha-t mutatja be a videó, amelyet főként ügynök-alapú, automatizált munkafolyamatokra terveztek. Ez a könnyű, gyors modell képes skálázható kódolási és multimodális feladatokat is kezelni, és akár egymillió tokenből álló szövegkörnyezetet is át tud tekinteni.
A bemutató különféle gyakorlati teszteken keresztül demonstrálja, hogyan lehet a Hermes agent nevű keretrendszerrel együttműködve több részfeladatot kiosztani, és azok eredményeit alügynökök segítségével gyorsan ellenőrizni. Többek között vizsgálják, mennyire hatékonyan oldja meg egyszerűbb kódolási feladatokat, valamint hogyan teljesít vizuális teszteken, például kézzel rajzolt ábrák alapján weboldal létrehozásánál.
Érdekességként felmerül, hogy a modell képes a képeken szereplő kézzel írott jegyzeteket felismerni, az objektumokat helyesen értelmezni, és ezekből interaktív, animált weboldalt létrehozni. Tudományos érvelési képességeit is próbára teszik sűrű posztereken szereplő táblázatok, képletek és hibák felismerésével.
További kihívásként megjelenik a többnyelvűség kezelése is: egy AI által generált utcai jelenet alapján a modellnek különböző nyelveken, a helyzethez illő mondattal kell válaszolnia. A kísérletből kiderül, milyen eredményeket produkál ritkább vagy nehezebb nyelvek esetén, illetve mennyire pontosan érzékeli a vizuális jelenetekből fakadó összefüggéseket.
