元象首個多模態大模型XVERSE-V開源，刷新權威大模型榜單，支援任意寬高比輸入

人類獲取的信息83%來自視覺，圖文多模態大模型能感知更豐富和精確的真實世界信息，構建更全面的認知智能，從而向AGI（通用人工智能）邁出更大步伐。

元象今日發布多模態大模型 XVERSE-V，支援任意寬高比影像輸入，在主流評測中效果領先。 此模式全開源，無條件免費商用 ，持續推動大量中小企業、研究者和開發者的研發和應用創新。 XVERSE-V表現優異，在多項權威多模態評測中超過零一萬物Yi-VL-34B、面壁智能OmniLMM-12B及深度求索DeepSeek-VL-7B等開源模型，在綜合能力測評MMBench中超過了GoogleGeminiProVision、阿里Qwen-VL-Plus和Claude-3V Sonnet等知名封閉源模型。 圖. 多模態大模型綜合評測

融合整體和局部的高清影像表示

傳統的多模態模型的影像表示只有整體， XVERSE-V  創新地採用了融合整體和局部的策略，支援輸入任意寬高比的影像。兼顧全局的概覽資訊和局部的細節訊息，能夠識別和分析圖像中的細微特徵，看的更清楚，理解的更準確。                               ^{注意：Concate* 表示依列進行拼接＋}

##這樣的處理方式使模型可應用於廣泛的文物掃描分析等。

範例- 高畫質全景圖辨識、圖片細節文字辨識

#免費下載大模型##•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

•詢問發送：opensource@xverse.cn

元象持續打造國內開源標桿，在

國內最早開源最大參數65B 

、 全球最早開源最長上下文256K 以及國際前線的MoE模式 ，並在SuperCLUE評估全國領先  。此次推出MoE模型， 填補 國產開源空白，更將其 推向了國際領先水 平。 商業應用上，元像大模型是

廣東最早獲得國家備案的模式之一 

，可提供全社會服務。元像大模型去年起已及多個騰訊產品，包括QQ音樂 、虎牙直播、全民K歌、騰訊雲等，進行深度合作與應用探索，為文化、娛樂、旅遊、金融領域打造創新領先的使用者體驗。 

多方向實際應用表現突出

模型不僅在基礎能力上表現出色，在實際的應用場景中也有著出色的表現。具備不同場景下的理解能力，能夠處理資訊圖表、文獻、現實場景、數理題目、科學文獻、程式碼轉換等不同需求。

•

圖表理解

不論是複雜圖文結合的資訊圖理解，還是單一圖表的分析與計算，模型都能夠自如應對。

•視障真實場景

在真實視障場景測試集VizWiz中，XVERSE-V表現出色，超過了InternVL-Chat -V1.5、DeepSeek-VL-7B 等幾乎所有主流的開源多模態大模型。測試集包含了來自真實視障用戶提出的超過31,000個視覺問答，能準確反映用戶的真實需求與瑣碎細小的問題，幫助視障人群克服他們日常真實的視覺挑戰。

                           ^{VizWiz測驗範例}

•看圖內容創作##10#XVER

•看圖內容創作

##1112#XX

112#XVER#V2#XVER#V2#XVER#V2#XVER#V>2#XVER#V>2#XVER#V0.同時保持強大的文字生成能力，能夠很好地勝任理解圖像後創意文字生成的任務。

•

教育解題

模型具備了廣泛的知識儲備和邏輯推理能力，能夠辨識圖像解答不同學科的問題。

•

百科全書解決

模型儲備了歷史、文化、科技、安全等各類主題的知識。 •

程式編寫

•

#•#情感理解與識別

#########

以上是元象首個多模態大模型XVERSE-V開源，刷新權威大模型榜單，支援任意寬高比輸入的詳細內容。更多資訊請關注PHP中文網其他相關文章！