相比Qwen-VL，Qwen-VL-Plus和Qwen-VL-Max拥有更强的视觉推理和中文理解能力，整体性能堪比GPT-4V和Gemini Ultra。在MMMU、MathVista等测评中远超业界所有开源模型，在文档分析（DocVQA）、中文图像相关（MM-Bench-CN）等任务上超越GPT-4V,达到世界最佳水平。 基础能力方面，升级版模型能够准确描述和识别图片信息，并且根据图片进行信息推理、扩展创作；具备视觉定位能力，还可针对画面指定区域进行问答。 视觉推理方面，Qwen-VL-Plus和Qwen-VL-Max可以理解流程图等复杂形式图片，可以分析复杂图标，看图做题、看图作文、看图写代码也不在话下。 Qwen-VL-Max看图做题 图像文本处理方面，升级版Qwen-VL的中英文文本识别能力显著提高，支持百万像素以上的高清分辨率图和极端宽高比的图像，既能完整复现密集文本，也能从表格和文档中提取信息。 Qwen-VL-Max复现密集文本 相比LLM，多模态大模型拥有更大的应用想象力。比如，有研究者在探索将多模态大模型与自动驾驶场景结合，为“完全自动驾驶”找到新的技术路径；将多模态模型部署到手机、机器人、智能音箱等端侧设备，让智能设备自动理解物理世界的信息；或者基于多模态模型开发应用，辅助视力障碍群体的日常生活，等等。 目前，Qwen-VL-Plus和Qwen-VL-Max限时免费，用户可以在通义千问官网、通义千问APP直接体验Max版本模型的能力，也可以通过阿里云灵积平台（DashScope）调用模型API。（栀橙）
1月26日，阿里云公布多模态大模型研究进展。通义千问视觉理解模型Qwen-VL再次升级，继Plus版本之后，再次推出Max版本，升级版模型拥有更强的视觉推理能力和中文理解能力，能够根据图片识人、答题、创作、写代码，并在多个权威测评中获得佳绩，比肩OpenAI的GPT-4V和谷歌的Gemini Ultra。 L...
月薪2千员工开迈巴赫上班 老板破防
RTX 5090用一年拆开后惨不忍睹：导热凝胶大面积溢出布满PCB！
手机战报
科技透气 清凉一夏 名创优品短裤29.9元大促
长三角地区
5月中国电视销量大幅下滑 均价反而涨了500多元
AI巨头的Token补贴大战 快打完了吗？
全球首例！53岁脑死亡男子接受猪肝猪双肾移植
裁掉5万人 救得了当年“神车”吗？
电脑用内存、固态硬盘供货紧张：部分机型涨幅已超20%
看富二代破产求生 成了老百姓最爱的综艺？
比亚迪大唐：我要打十个
谷歌AI搜索强推引反弹 意外为对手无AI页面引流
小伙戴耳机睡觉确诊神经性耳聋 医生：不可逆听力损伤
乘联会秘书长崔东树：燃油车内销崩塌 20/30/40万国产车零售占比均超50%
最新研究：每天喝一杯酒会激增10种患癌风险！
下跌
AI支付
中国裁判马宁世界杯首秀丢出6张黄牌！网友：没有软肋的裁判最可怕
红米K90至尊版性能如何？
免责声明：本文内容来源于第三方或整理自互联网，本站仅提供展示，不拥有所有权，不代表本站观点立场，也不构成任何其他建议，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性不作任何保证或承诺，请读者仅作参考，并请自行核实相关内容,不承担相关法律责任。如发现本站文章、图片等内容有涉及版权/违法违规或其他不适合的内容， 请及时联系我们进行处理。
