Kimi 多模态图片理解模型 API 发布！

文章预览

来源：Kimi开放平台 今天，全新多模态图片理解模型 moonshot-v1-vision-preview 正式发布，本模型完善了 moonshot-v1 模型系列的多模态能力，助力 Kimi 更好地理解世界。 注：下文简称为 Vision 模型。 模型能力说明 图像识别 Vision 模型具备较强的图像识别能力，能够准确识别出图像中的复杂细节和细微的差别，无论是食物还是动物，能够区分出相似但又不相同的对象。下图示例中，我们拼凑了16张相似的人眼较难区分的蓝莓松饼和吉娃娃图片，由 Vision 模型来识别并按顺序标记图片类型，无论是蓝莓松饼还是吉娃娃，我们的模型都能精确地区分和识别。 文字识别和理解 Vision 模型具备国内领先的高级图像识别能力，在 OCR 文字识别和图像理解场景中表现优异。 比普通的文件扫描和 OCR 识别软件更加准确，例如收据单/快递单等潦草的手写内容都可以准确识别。 ………………………………