內容行業大變天，爆款全靠AI？
出品 | 微果醬（wjam123456）作者 | 陳出木題圖 | 文心一格 AI的發展之快出乎所有人的預料，似乎一夜之間便呼嘯而來。無論是資本的風向標，抑或是生活工作的輔助、流量口，還是茶余飯
9 月 22 日消息，今天百度智能云千帆正式推出全新視覺理解模型 ——Qianfan-VL，并全面開源。該系列包含 3B、8B 和 70B 三個尺寸版本，是面向企業級多模態應用場景，進行了深度優化的視覺理解大模型。官方稱，Qianfan-VL 不僅具備出色的基礎通用能力，還針對產業落地中的高頻需求，如 OCR 和教育垂直場景做了專項強化，使其在實際應用中表現更加卓越。
Qianfan-VL 現已開源，即日起至 10 月 10 日，企業用戶和開發者可在百度智能云千帆平臺免費體驗 8B、70B 模型。
附模型官方介紹如下：
Qianfan-VL 系列模型是由百度智能云千帆模型研發團隊，基于開源模型進行開發，并在百度自研昆侖芯 P800 上完成全流程計算任務。昆侖芯 P800 提供了強大的算力支撐，確保模型能夠高效處理海量數據與復雜算法，同時支持單任務 5000 卡規模的并行計算。這一結合不僅優化了模型計算的效率，更使得模型在性能表現上達到了新的高度，在通用和垂類任務評測中展現出 SOTA 水平。Qianfan-VL 模型具備三大特點：
● 多尺寸模型滿足不同場景需求：提供 3B、8B、70B 三種規格的模型，讓不同規模的企業和開發者都能找到合適的解決方案。
● 提供思考推理能力：8B 和 70B 模型支持通過特殊 token 激活思維鏈能力，覆蓋復雜圖表理解、視覺推理、數學解題等多種場景。
● OCR 與文檔理解能力增強：主打 OCR 全場景識別和復雜版面文檔理解兩大特色能力，在多項基準測試中表現優異，為企業級應用提供高精度的視覺理解解決方案。
模型性能與效果>> 通用能力基準測試表現
在通用能力基準測試中，Qianfan-VL 系列模型（3B、8B、70B）展現出顯著核心優勢。從視覺理解到專業領域問答，模型性能隨參數規模增大提升顯著，體現出很好的 Scaling 趨勢。在 ScienceQA 等專業問答測試中，精準度表現突出；多模態任務如 RefCOCO 等，物體識別與關聯能力優異；同時，在各類通用基準測試里，相較主流模型，整體表現也頗為亮眼，充分彰顯出在視覺理解通用能力上的出色實力，為不同場景下的智能應用提供了有力支撐。
>>OCR 與文檔理解基準測試表現
Qianfan-VL 系列模型（3B、8B、70B）在 OCR 與文檔理解領域盡顯卓越實力。一方面，具備 OCR 全場景識別能力，能精準識別手寫體、數學公式、自然場景文字，還可對卡證票據信息進行結構化提取；另一方面，復雜版面文檔理解能力突出，可自動分析版面元素，精準解析表格、圖表，實現文檔智能問答與結構化解析。從基準測試表現看，在 OCRBench、各類專業測試中，相較于主流模型，成績優異且隨參數規模提升持續向好，為企業級應用提供了高精度的視覺理解解決方案，有力推動文檔智能處理場景的高效落地。
>> 數學解題基準測試表現
Qianfan-VL 系列的 8B 和 70B 模型，在思考推理能力方面表現卓越。它們支持通過特殊 token 激活思維鏈能力，能覆蓋復雜圖表理解、視覺推理、數學解題等多類場景。這類任務需結合視覺信息與外部知識進行組合推理，而模型通過融合大量視覺類、文本類推理數據并用于后訓練，從 benchmark 表現來看，推理計算相關任務效果顯著提升。
在核心推理應用場景上，復雜圖表理解與推理方面，可從復雜圖表提取關鍵信息，進行數據分析、趨勢預測、關聯推理及統計計算；數學解題與視覺推理領域，能實現幾何推理、公式識別、分步求解與邏輯推斷。從數學解題基準測試表現看，在 MathVista-mini、MathVision 等多項測試中，相較于主流模型，成績優異且隨參數規模提升持續向好，為復雜推理場景下的應用提供了強力支持。
Qianfan-VL 通過先進的多模態架構設計，憑借持續預訓練和三大技術創新，實現了領域增強的通用視覺-語言能力。
● 能力增強訓練方案：創新的四階段訓練策略，在保持通用能力基礎上實現領域能力顯著提升。
● 高精度數據合成管線：構建面向多模態任務的大規模數據合成管線，涵蓋文檔識別、數學解題、圖表理解、表格識別、公式識別、自然場景 OCR 等核心任務，通過精細化的管線設計和中間過程數據構造，實現高質量訓練數據的規模化生產。
● 昆侖芯驅動大模型高效計算：基于百度自研昆侖芯 P800 芯片，構建了業界領先的超大規模（5000 卡）分布式計算系統，通過創新的并行策略和算子優化，顯著提升大模型任務的處理性能與運行效率。
模型應用案例>>OCR 識別場景
>> 文檔理解場景
除上述場景應用案例外，Qianfan-VL 同樣可應用在圖表分析、視頻理解等場景中，均呈現出卓越的模型效果。
Qianfan-VL 系列模型的開源，對百度智能云千帆來說，更像是“把模型放進真實生產力場景”的一小步；未來，百度智能云將秉持對技術的執著追求與對應用場景的深度洞察，不斷推出全新的產業級模型，全方位助力 AI 技術在各行業落地。
本文鏈接：http://www.yifxia.cn/showinfo-45-28060-0.html百度智能云開源視覺理解模型 Qianfan-VL，基于自研昆侖芯 P800 芯片計算
聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：2376512515@qq.com
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯系：2376512515@qq.com 津ICP備18001702號
津公網安備 12010102000574號