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(tái)免費(fèi)體驗(yàn)8B、70B模型。

據(jù)介紹，Qianfan-VL系列模型包含3B、8B和70B三個(gè)尺寸版本，是面向企業(yè)級(jí)多模態(tài)應(yīng)用場(chǎng)景，進(jìn)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(duì)產(chǎn)業(yè)落地中的高頻需求，如OCR和教育垂直場(chǎng)景做了專項(xiàng)強(qiáng)化。

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

這一結(jié)合不僅優(yōu)化了模型計(jì)算的效率，更使得模型在性能表現(xiàn)上達(dá)到了新的高度，在通用和垂類任務(wù)評(píng)測(cè)中展現(xiàn)出SOTA水平。

Qianfan-VL模型具備三大特點(diǎn)：

多尺寸模型滿足不同場(chǎng)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(fù)雜圖表理解、視覺推理、數(shù)學(xué)解題等多種場(chǎng)景。

OCR與文檔理解能力增強(qiáng)：主打OCR全場(chǎng)景識(shí)別和復(fù)雜版面文檔理解兩大特色能力，在多項(xiàng)基準(zhǔn)測(cè)試中表現(xiàn)優(yōu)異，為企業(yè)級(jí)應(yīng)用提供高精度的視覺理解解決方案。

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

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(shì)。

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(shí)力。

一方面，具備OCR全場(chǎng)景識(shí)別能力，能精準(zhǔn)識(shí)別手寫體、數(shù)學(xué)公式、自然場(chǎng)景文字，還可對(duì)卡證票據(jù)信息進(jìn)行結(jié)構(gòu)化提取。

另一方面，復(fù)雜版面文檔理解能力突出，可自動(dòng)分析版面元素，精準(zhǔn)解析表格、圖表，實(shí)現(xiàn)文檔智能問答與結(jié)構(gòu)化解析。

從基準(zhǔn)測(cè)試表現(xiàn)看，在OCRBench、各類專業(yè)測(cè)試中，相較于主流模型，成績(jī)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(fù)雜圖表理解、視覺推理、數(shù)學(xué)解題等多類場(chǎng)景。

從數(shù)學(xué)解題基準(zhǔn)測(cè)試表現(xiàn)看，在MathVista-mini、MathVision等多項(xiàng)測(cè)試中，相較于主流模型，成績(jī)優(yōu)異且隨參數(shù)規(guī)模提升持續(xù)向好。