Firma musi wybrać model podstawowy do generowania obrazów produktów i tekstów opisowych, a także ocenić modele pod kątem typów danych wyjściowych, które mogą produkować. Jaką cechę modelu oceniają?

Firma ocenia modalność modelu. Modalność odnosi się do typów danych wejściowych i wyjściowych, które model może przetwarzać. W tym przypadku model musi generować zarówno obrazy (modalność wizualna), jak i teksty opisowe (modalność tekstowa), co oznacza, że firma szuka modelu multimodalnego. Opóźnienie (latency) odnosi się do czasu potrzebnego na wygenerowanie odpowiedzi, co jest ważne, ale nie dotyczy typów danych wyjściowych. Rozmiar modelu (model size) odnosi się do liczby parametrów modelu, co wpływa na jego wydajność i koszty, ale nie na typy danych wyjściowych. Dostosowanie modelu (model customization) to proces dostosowywania modelu do konkretnych zadań, co jest późniejszym etapem, a nie oceną podstawowych możliwości generowania różnych typów danych.