國產(chǎn)多模態(tài)卷上下文長度：原生支持24K圖文輸入輸出，圖像視頻理解對標(biāo)GPT4V

AIGC動態(tài)歡迎閱讀

原標(biāo)題：國產(chǎn)多模態(tài)卷上下文長度：原生支持24K圖文輸入輸出，圖像視頻理解對標(biāo)GPT4V
關(guān)鍵字：模型,圖像,視頻,能力,代碼
文章來源：量子位
內(nèi)容字?jǐn)?shù)：0字

內(nèi)容摘要：

陳林 投稿自 凹非寺量子位 | 公眾號 QbitAI國產(chǎn)多模態(tài)大模型，也開始卷上下文長度。
書生·浦語靈筆（InternLM-XComposer）多模態(tài)大模型升級2.5版本——
原生支持24K多模態(tài)圖文上下文，超過20輪的圖文交互，具備圖像視頻理解、網(wǎng)頁創(chuàng)作、圖文寫作等多項(xiàng)功能。
該開源模型一出，一度在Hugging Face登上熱榜第五。
作為8B量級性能最優(yōu)秀的多模態(tài)大模型之一，它在多項(xiàng)評測性能上對標(biāo)GPT4V和Gemini Pro。
而除了支持長上下文輸入，InternLM-XComposer 2.5版本（以下簡稱IXC 2.5）同時訓(xùn)練了長序列輸出能力，模型支持高質(zhì)量網(wǎng)頁創(chuàng)作和文章生成。
兼容三種多模態(tài)理解能力IXC 2.5同時兼顧了多模態(tài)模型的理解和內(nèi)容輸出能力，主要包括三種多模態(tài)理解能力。
包括超過4K分辨率的圖像理解、多輪多圖超長對話、精細(xì)視頻內(nèi)容分析。
來具體看看大模型實(shí)力如何。
高分辨率圖像理解，它支持分析文檔、網(wǎng)頁、圖表等信息豐富的超高清圖像。
比如扔給它之前的文章，圖像分辨率為1312×22619像素，并詢問IXC 2.5關(guān)于截圖內(nèi)容的問題。
嗯，還能知道是量子位

原文鏈接：國產(chǎn)多模態(tài)卷上下文長度：原生支持24K圖文輸入輸出，圖像視頻理解對標(biāo)GPT4V

聯(lián)系作者

文章來源：量子位
作者微信：
作者簡介：