現(xiàn)在國(guó)內(nèi)的大模型發(fā)展日新月異，比如正文提到的元象發(fā)布的這款開源大模型，各個(gè)方面的表現(xiàn)都很不錯(cuò)。

又一個(gè)國(guó)產(chǎn)多模態(tài)大模型開源！

XVERSE-V，來自元象，還是同樣的無條件免費(fèi)商用。

此前元象曾率先發(fā)布國(guó)內(nèi)規(guī)模最大的開源大模型，如今開源家族系列又多了一個(gè)。

最新的多模態(tài)大模型支持任意寬高比圖像輸入，在主流評(píng)測(cè)中保持著效果領(lǐng)先——

• 在多項(xiàng)權(quán)威多模態(tài)評(píng)測(cè)中，XVERSE-V超過零一萬物Yi-VL-34B、面壁智能OmniLMM-12B及深度求索DeepSeek-VL-7B等開源模型。
• 在綜合能力測(cè)評(píng)MMBench中超過了谷歌GeminiProVision、阿里Qwen-VL-Plus和Claude-3V Sonnet等知名閉源模型。

支持任意長(zhǎng)寬比圖像輸入

傳統(tǒng)的多模態(tài)模型的圖像表示只有整體，XVERSE-V 采用了融合整體和局部的策略，支持輸入任意寬高比的圖像。

兼顧全局的概覽信息和局部的細(xì)節(jié)信息，能夠識(shí)別和分析圖像中的細(xì)微特征，看的更清楚，理解的更準(zhǔn)確

這樣的處理方式使模型可以應(yīng)用于廣泛的領(lǐng)域，包括全景圖識(shí)別、衛(wèi)星圖像、古文物掃描分析等。

△示例- 高清全景圖識(shí)別

△示例-圖片細(xì)節(jié)文字識(shí)別

除了基本能力表現(xiàn)不錯(cuò)，也能輕松應(yīng)對(duì)各種不同的實(shí)際應(yīng)用場(chǎng)景，比如圖表、文獻(xiàn)、代碼轉(zhuǎn)化、視障真實(shí)場(chǎng)景等。

圖表理解

不論是復(fù)雜圖文結(jié)合的信息圖理解，還是單一圖表的分析與計(jì)算，模型都能夠自如應(yīng)對(duì)。

自動(dòng)駕駛

代碼撰寫

還有視障真實(shí)場(chǎng)景

在真實(shí)視障場(chǎng)景測(cè)試集VizWiz中，XVERSE-V的表現(xiàn)超過了InternVL-Chat-V1.5、DeepSeek-VL-7B等幾乎所有主流的開源多模態(tài)大模型。該測(cè)試集包含了來自真實(shí)視障用戶提出的超過31000個(gè)視覺問答，能準(zhǔn)確反映用戶的真實(shí)需求與瑣碎細(xì)小的問題，幫助視障人群克服他們?nèi)粘Ｕ鎸?shí)的視覺挑戰(zhàn)。