国产多模态大模型开源！无条件免费商用，性能超Claude 3 Sonnet

2 weeks ago

source link: https://www.qbitai.com/2024/04/138192.html
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.

国产多模态大模型开源！无条件免费商用，性能超Claude 3 Sonnet

白交 2024-04-28 18:42:53 来源：量子位

简曈发自凹非寺

量子位 | 公众号 QbitAI

又一个国产多模态大模型开源！

XVERSE-V，来自元象，还是同样的无条件免费商用。

此前元象曾率先发布国内规模最大的开源大模型，如今开源家族系列又多了一个。

最新的多模态大模型支持任意宽高比图像输入，在主流评测中保持着效果领先——

在多项权威多模态评测中，XVERSE-V超过零一万物Yi-VL-34B、面壁智能OmniLMM-12B及深度求索DeepSeek-VL-7B等开源模型。

在综合能力测评MMBench中超过了谷歌GeminiProVision、阿里Qwen-VL-Plus和Claude-3V Sonnet等知名闭源模型。

支持任意长宽比图像输入

传统的多模态模型的图像表示只有整体，XVERSE-V 采用了融合整体和局部的策略，支持输入任意宽高比的图像。

兼顾全局的概览信息和局部的细节信息，能够识别和分析图像中的细微特征，看的更清楚，理解的更准确

这样的处理方式使模型可以应用于广泛的领域，包括全景图识别、卫星图像、古文物扫描分析等。

除了基本能力表现不错，也能轻松应对各种不同的实际应用场景，比如图表、文献、代码转化、视障真实场景等。

图表理解。

不论是复杂图文结合的信息图理解，还是单一图表的分析与计算，模型都能够自如应对。

自动驾驶。

代码撰写。

还有视障真实场景。

在真实视障场景测试集VizWiz中，XVERSE-V的表现超过了InternVL-Chat-V1.5、DeepSeek-VL-7B等几乎所有主流的开源多模态大模型。该测试集包含了来自真实视障用户提出的超过31000个视觉问答，能准确反映用户的真实需求与琐碎细小的问题，帮助视障人群克服他们日常真实的视觉挑战。

元象XVERSE于2021年初在深圳成立。累计融资金额超过2亿美元，投资机构包括腾讯、高榕资本、五源资本、高瓴创投、红杉中国、淡马锡和CPE源峰等。

元象创始人姚星是前腾讯副总裁和腾讯AI Lab创始人、国家科技部新一代人工智能战略咨询委员会成员。

此前，元象在国内最早开源最大参数65B、全球最早开源最长上下文256K的MoE模型，并在SuperCLUE测评全国领跑。

商业应用上，元象大模型是广东最早获得国家备案的模型之一，可向全社会提供服务。

元象大模型去年起已和多个腾讯产品，包括QQ音乐、虎牙直播、全民K歌、腾讯云等，进行深度合作与应用探索，为文化、娱乐、旅游、金融领域打造创新领先的用户体验。

项目链接：
Hugging Face：https://huggingface.co/xverse/XVERSE-V-13B
ModelScope魔搭：https://modelscope.cn/models/xverse/XVERSE-V-13B
Github：https://github.com/xverse-ai/XVERSE-V-13B

Recommend