视觉 LLM 开源的疯狂月！阿里 Qwen、腾讯混元、谷歌等连续开源重磅模型

文章预览

2024 年 12 月真的太疯狂了，首先是闭源的视觉模型接连重磅发布—— 前有《 智谱 GLM-4V-Flash API 发布即免费 》、《 Gemini2.0 实时全模态炸场 》、《 GPT-4o 视频通话对波 Gemini 》、《 无问芯穹全模态端侧模型开源 》，《 Kimi 上线了视觉思考，并和海螺、豆包打了一架 》... 然后，笔者发现不仅闭源模型大爆发，就连开源的视觉 LLM 这个月也是扎堆爆发了。 根据笔者统计，12 月份，已经有来自阿里、腾讯混元、谷歌、Meta 等大厂的 5 个重磅视觉模型开源发布了： “大模型能够通过图像识别乐谱和人类情绪了”。 “利用模型，直接可以生成高清视频，而且是还会带配音的！”。 “模型能够处理与理解的视频达到 20 分钟以上了”。 “可以采用参考图像，更精确地控制图生成用户想要的图像和视频了”。 划重点，它们都对你开源了！这是不是"泼天富贵"齐 ………………………………