号称击败Claude 3.5 Sonnet，媲美GPT-4o，开源多模态模型Molmo挑战Scaling law

主要观点总结

文章介绍了开源多模态模型Molmo的发布及其特点。Molmo由创业公司Ai2发布，具有多模态能力，可以在图像描述、自然语言处理等多个领域完成任务。相比其他大型模型，Molmo的特点是体积小、性能优越且完全免费开源。文章还详细描述了Molmo的技术细节，包括其模型架构、数据集、训练过程等。

关键观点总结

关键观点1: Molmo的特点和性能表现

Molmo是一款开源多模态人工智能模型，具有强大的图像描述和自然语言处理能力。相比其他大型模型，Molmo体积小、性能优越，可以处理多种任务。其汉语输出能力虽然有限，但在部分测试中表现惊艳，甚至超越了大型模型如GPT-4o等。

关键观点2: Molmo的数据集和训练方法

为了训练Molmo模型，Ai2团队采用了独特的数据收集方法，包括语音描述、图像描述数据等。他们注重数据质量而非数量，使用较少的数据就能训练出强大的模型。此外，他们还采用了一些技术方法，如指向数据、混合微调等，来提升模型的性能。

关键观点3: Molmo的开放性和可访问性

Molmo是一个完全免费且开源的模型，所有的权重、代码、数据和评估流程都将公布。这有助于推动多模态模型的研究和发展，促进了人工智能技术的开放和共享。

文章预览

机器之心报道 编辑：佳琪、Panda Molmo，开源多模态模型正在发力！ 虽然大家一直在期待谷歌、OpenAI 等等拥有无限资金储备和顶尖人才的大厂做出新的 Sota 模型。 不过，一家默默耕耘的创业公司 Ai2 发布了一款多模态人工智能模型 Molmo。 在下面展示的视频中，我们可以看到 Molmo 就像钢铁侠的「贾维斯」一样万能。想卖自行车，咨询一下 Molmo 的建议，仅靠一张照片，Molmo 就能把自行车的颜色、品牌和二手售价搞清楚，并且帮你写出一句顺口的广告语。 它也可以从虚拟世界帮你解决现实世界的问题，说一句：「Molmo，帮我买杯星巴克的南瓜拿铁。」剩下的就不用动手了，打开外卖网页、点餐、付款，Molmo 一气呵成。你所要做的，就是坐在家中，静候咖啡送到你的手中。 机器之心也尝试了一下他们在线发布的 Demo 模型。相较于宣传视频，其功能还很有 ………………………………