9月22日消息，今日，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。

即日起至10月10日，用戶可在百度智能云千帆平臺免費體驗8B、70B模型。

據(jù)介紹，Qianfan-VL系列模型包含3B、8B和70B三個尺寸版本，是面向企業(yè)級多模態(tài)應用場景，進行了深度優(yōu)化的視覺理解大模型。

Qianfan-VL不僅具備出色的基礎(chǔ)通用能力，還針對產(chǎn)業(yè)落地中的高頻需求，如OCR和教育垂直場景做了專項強化。

據(jù)悉，該系列模型基于開源模型進行開發(fā)，并在百度自研昆侖芯 P800上完成全流程計算任務，其提供了強大的算力支撐，同時支持單任務5000卡規(guī)模的并行計算。

這一結(jié)合不僅優(yōu)化了模型計算的效率，更使得模型在性能表現(xiàn)上達到了新的高度，在通用和垂類任務評測中展現(xiàn)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(guī)格的模型，讓不同規(guī)模的企業(yè)和開發(fā)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(shù)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(xiàn)優(yōu)異，為企業(yè)級應用提供高精度的視覺理解解決方案。

在通用能力基準測試中，Qianfan-VL系列模型（3B、8B、70B）展現(xiàn)出顯著核心優(yōu)勢。

從視覺理解到專業(yè)領(lǐng)域問答，模型性能隨參數(shù)規(guī)模增大提升顯著，體現(xiàn)出很好的Scaling趨勢。

此外，Qianfan-VL系列模型（3B、8B、70B）在OCR與文檔理解領(lǐng)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(shù)學公式、自然場景文字，還可對卡證票據(jù)信息進行結(jié)構(gòu)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(xiàn)文檔智能問答與結(jié)構(gòu)化解析。

從基準測試表現(xiàn)看，在OCRBench、各類專業(yè)測試中，相較于主流模型，成績優(yōu)異且隨參數(shù)規(guī)模提升持續(xù)向好。

而8B和70B模型，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(shù)學解題等多類場景。

從數(shù)學解題基準測試表現(xiàn)看，在MathVista-mini、MathVision等多項測試中，相較于主流模型，成績優(yōu)異且隨參數(shù)規(guī)模提升持續(xù)向好。