Stability AI telah memperkenalkan model bahasa visi terbarunya, Japanese InstructBLIP Alpha. Model inovatif ini dapat menghasilkan deskripsi tekstual gambar dan menjawab pertanyaan berdasarkan masukan visual. InstructBLIP Alpha Jepang dibangun di atas StableLM Instruct Alpha 7B Jepang dan menggunakan arsitektur InstructBLIP, yang dikenal dengan performa superiornya dalam tugas bahasa visual. Untuk meningkatkan fungsionalitas pada kumpulan data Jepang yang terbatas, sebagian model diinisialisasi menggunakan InstructBLIP yang telah dilatih sebelumnya dari kumpulan data berbahasa Inggris yang besar, lalu dilatih pada data berbahasa Jepang. Model ini memiliki aplikasi di berbagai bidang, termasuk mesin pencari berbasis gambar, deskripsi adegan dan tanya jawab, serta menyediakan deskripsi tekstual gambar untuk tunanetra. Selain itu, ia dapat secara akurat mengidentifikasi objek-objek unik Jepang dalam gambar, seperti Tokyo Sky Tree dan Kuil Kinkakuji. Selain itu, InstructBLIP Alpha Jepang tidak terbatas pada input gambar saja. Ini dapat memproses pertanyaan berbasis teks dan menghasilkan respons akurat berdasarkan konten visual, menjadikannya alat serbaguna bagi peneliti dan pengembang. Model ini tersedia untuk tujuan penelitian saja, diakses melalui Hugging Face Hub untuk pengujian dan pelatihan lebih lanjut.