苹果多模态模型大升级！文本密集、多图理解，全能小钢炮

文章预览

本文转自微信公众号“新智元”，作者：新智元。 编辑：alan 【导读】 近日，一向画风精致的「苹果牌AI」，也推出了升级版的多模态大模型，从1B到30B参数，涵盖密集和专家混合模型，密集文本、多图理解，多项能力大提升。 多模态大语言模型（MLLM）如今已是大势所趋。 过去的一年中，闭源阵营的GPT-4o、GPT-4V、Gemini-1.5和Claude-3.5等模型引领了时代。 而开源MLLM也同样在蓬勃发展，LLaVA系列，InternVL2，Cambrian-1和Qwen2-VL的强劲表现，让作为老大哥的GPT-4o时常躺枪。 开源与闭源之间差距缩小，兼具单图、多图、视频理解能力的MLLM也成为大家研究的重点。 说到潮流，怎么能没有苹果的一席之地？ 近日，一向画风精致的「苹果牌AI」，也推出了升级版的多模态大模型——MM1.5。 论文地址：https://arxiv.org/pdf/2409.20566 MM1.5以前代MM1模型为基础，采用数据为中心 ………………………………