全自研芯片计算！百度智能云Qianfan-VL系列模型重磅开源

9月22日消息，今日，百度智能云千帆正式推出全新视觉理解模型——Qianfan-VL，并全面开源。

即日起至10月10日，用户可在百度智能云千帆平台免费体验8B、70B模型。

据介绍，Qianfan-VL系列模型包含3B、8B和70B三个尺寸版本，是面向企业级多模态应用场景，进行了深度优化的视觉理解大模型。

Qianfan-VL不仅具备出色的基础通用能力，还针对产业落地中的高频需求，如OCR和教育垂直场景做了专项强化。

据悉，该系列模型基于开源模型进行开发，并在百度自研昆仑芯 P800上完成全流程计算任务，其提供了强大的算力支撑，同时支持单任务5000卡规模的并行计算。

这一结合不仅优化了模型计算的效率，更使得模型在性能表现上达到了新的高度，在通用和垂类任务评测中展现出SOTA水平。

Qianfan-VL模型具备三大特点：

多尺寸模型满足不同场景需求：提供3B、8B、70B三种规格的模型，让不同规模的企业和开发者都能找到合适的解决方案。

提供思考推理能力：8B和70B模型支持通过特殊token激活思维链能力，覆盖复杂图表理解、视觉推理、数学解题等多种场景。

OCR与文档理解能力增强：主打OCR全场景识别和复杂版面文档理解两大特色能力，在多项基准测试中表现优异，为企业级应用提供高精度的视觉理解解决方案。

在通用能力基准测试中，Qianfan-VL系列模型（3B、8B、70B）展现出显著核心优势。

从视觉理解到专业领域问答，模型性能随参数规模增大提升显著，体现出很好的Scaling趋势。

此外，Qianfan-VL系列模型（3B、8B、70B）在OCR与文档理解领域尽显卓越实力。

一方面，具备OCR全场景识别能力，能精准识别手写体、数学公式、自然场景文字，还可对卡证票据信息进行结构化提取。

另一方面，复杂版面文档理解能力突出，可自动分析版面元素，精准解析表格、图表，实现文档智能问答与结构化解析。

从基准测试表现看，在OCRBench、各类专业测试中，相较于主流模型，成绩优异且随参数规模提升持续向好。

而8B和70B模型，支持通过特殊token激活思维链能力，能覆盖复杂图表理解、视觉推理、数学解题等多类场景。

从数学解题基准测试表现看，在MathVista-mini、MathVision等多项测试中，相较于主流模型，成绩优异且随参数规模提升持续向好。

值得注意的是，官方还演示了一些模型应用的案例。

如OCR识别场景：

如数学推理场景：

如文档理解场景：

除上述场景应用案例外，Qianfan-VL还可应用在图表分析、视频理解等场景中，均呈现出卓越的模型效果。

Qianfan-VL系列模型的开源，对百度智能云千帆来说，更像是“把模型放进真实生产力场景”的第一小步；未来，百度智能云会不断推出全新的产业级模型，全方位助力AI技术在各行业落地。

本文转载于快科技，文中观点仅代表作者个人看法，本站只做信息存储