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。
△示例- 高清全景图识别
△示例-图片细节文字识别
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。

来自元象

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
— 完 —
点这里👇关注我，记得标星哦～
一键三连「分享」、「点赞」和「在看」
科技前沿进展日日相见 ~ 
继续阅读
阅读原文