重磅升級(jí)、限時(shí)免費(fèi)，通義千問(wèn)視覺(jué)理解模型Qwen-VL性能創(chuàng)新高

1月26日，阿里云公布多模態(tài)大模型研究進(jìn)展。通義千問(wèn)視覺(jué)理解模型Qwen-VL再次升級(jí)，繼Plus版本之后，再次推出Max版本，升級(jí)版模型擁有更強(qiáng)的視覺(jué)推理能力和中文理解能力，能夠根據(jù)圖片識(shí)人、答題、創(chuàng)作、寫(xiě)代碼，并在多個(gè)權(quán)威測(cè)評(píng)中獲得佳績(jī)，比肩OpenAI的GPT-4V和谷歌的Gemini Ultra。

LLM（大語(yǔ)言模型）之后，大模型領(lǐng)域的下一個(gè)爆點(diǎn)是什么？多模態(tài)是當(dāng)前最具共識(shí)的方向。過(guò)去半年來(lái)，OpenAI、谷歌等爭(zhēng)相推出多模態(tài)模型，阿里云也在2023年8月發(fā)布并開(kāi)源具備圖文理解能力的Qwen-VL模型，Qwen-VL取得了同期遠(yuǎn)超同等規(guī)模通用模型的表現(xiàn)。

視覺(jué)是多模態(tài)能力中最重要的模態(tài)，作為人類(lèi)感知世界、認(rèn)知世界的第一感官，視覺(jué)傳遞的信息占據(jù)了“五感”信息的80%。通義千問(wèn)視覺(jué)語(yǔ)言模型基于通義千問(wèn)LLM開(kāi)發(fā)，通過(guò)將視覺(jué)表示學(xué)習(xí)模型與LLM對(duì)齊，賦予AI理解視覺(jué)信息的能力，在大語(yǔ)言模型的“心靈”上開(kāi)了一扇視覺(jué)的“窗”。

相比Qwen-VL，Qwen-VL-Plus和Qwen-VL-Max擁有更強(qiáng)的視覺(jué)推理和中文理解能力，整體性能堪比GPT-4V和Gemini Ultra。在MMMU、MathVista等測(cè)評(píng)中遠(yuǎn)超業(yè)界所有開(kāi)源模型，在文檔分析（DocVQA）、中文圖像相關(guān)（MM-Bench-CN）等任務(wù)上超越GPT-4V,達(dá)到世界最佳水平。

基礎(chǔ)能力方面，升級(jí)版模型能夠準(zhǔn)確描述和識(shí)別圖片信息，并且根據(jù)圖片進(jìn)行信息推理、擴(kuò)展創(chuàng)作；具備視覺(jué)定位能力，還可針對(duì)畫(huà)面指定區(qū)域進(jìn)行問(wèn)答。

視覺(jué)推理方面，Qwen-VL-Plus和Qwen-VL-Max可以理解流程圖等復(fù)雜形式圖片，可以分析復(fù)雜圖標(biāo)，看圖做題、看圖作文、看圖寫(xiě)代碼也不在話下。

Qwen-VL-Max看圖做題

圖像文本處理方面，升級(jí)版Qwen-VL的中英文文本識(shí)別能力顯著提高，支持百萬(wàn)像素以上的高清分辨率圖和極端寬高比的圖像，既能完整復(fù)現(xiàn)密集文本，也能從表格和文檔中提取信息。

Qwen-VL-Max復(fù)現(xiàn)密集文本

相比LLM，多模態(tài)大模型擁有更大的應(yīng)用想象力。比如，有研究者在探索將多模態(tài)大模型與自動(dòng)駕駛場(chǎng)景結(jié)合，為“完全自動(dòng)駕駛”找到新的技術(shù)路徑；將多模態(tài)模型部署到手機(jī)、機(jī)器人、智能音箱等端側(cè)設(shè)備，讓智能設(shè)備自動(dòng)理解物理世界的信息；或者基于多模態(tài)模型開(kāi)發(fā)應(yīng)用，輔助視力障礙群體的日常生活，等等。

目前，Qwen-VL-Plus和Qwen-VL-Max限時(shí)免費(fèi)，用戶可以在通義千問(wèn)官網(wǎng)、通義千問(wèn)APP直接體驗(yàn)Max版本模型的能力，也可以通過(guò)阿里云靈積平臺(tái)（DashScope）調(diào)用模型API。

生成海報(bào)

免責(zé)聲明：此文內(nèi)容為第三方自媒體作者發(fā)布的觀察或評(píng)論性文章，所有文字和圖片版權(quán)歸作者所有，且僅代表作者個(gè)人觀點(diǎn)，與極客網(wǎng)無(wú)關(guān)。文章僅供讀者參考，并請(qǐng)自行核實(shí)相關(guān)內(nèi)容。投訴郵箱：editor@fromgeek.com。

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來(lái)自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書(shū)面權(quán)利通知或不實(shí)情況說(shuō)明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開(kāi)相關(guān)鏈接。