模型
Qwen-VL Max
阿里巴巴通义千问系列中的视觉语言模型，支持图像理解与多模态问答
时间轴 (近 90 天)
10月16日
实验覆盖 GPT-4o、Qwen-VL Max 和 LLaMA-3.2 11B Vision 三个模型。
待验证50%
10月16日
GPT-4o、Qwen-VL Max 和 LLaMA 的标签—图像准确率差距分别达到 9.5、13.8 和 12.6 个百分点。
待验证50%
阿里巴巴通义千问系列中的视觉语言模型，支持图像理解与多模态问答
实验覆盖 GPT-4o、Qwen-VL Max 和 LLaMA-3.2 11B Vision 三个模型。
GPT-4o、Qwen-VL Max 和 LLaMA 的标签—图像准确率差距分别达到 9.5、13.8 和 12.6 个百分点。