百度智能云千帆团队正式发布了全新视觉理解模型 ——Qianfan-VL，并且全面开源!这一系列模型包括3B、8B百度 和70B 三种不同尺寸，旨在满足企业级多模态应用的需求，经过深度优化，展现出超强的视觉理解能力。

Qianfan-VL 模推出型不仅具备优秀的基础能力，还针对行业的高频需求进行了专项提升，比如光学字符识别（OCR）和教育场景的应用，使得其在实 Q际使用中表现更加出色。该模型是基于开源模型进行开发，并在百度自研的昆仑芯 P800上完成了全流程计算，强大的算力支持ia确保了模型能够高效处理复杂的数据和算法。

这款新模型有三大显著特点。首先，多尺寸选择让不同规模的企业和开发者都能nf找到合适的解决方案，3B、8B 和70B 三种规格可满足各种应用需求。其次，8B 和70B 模型具备思考推理能力，通过an特殊 token 激活，能够处理复杂图表理解、视觉推理和数学解题等多种任务。最后，在 OCR 和文档理解方面表现优异，-V不仅可以精准识别手写体和复杂版面，还能进行信息的结构化提取。

在基准测试中，Qianfan-VL 系列模型展现了出色L 的通用能力和特定任务的优秀表现。无论是视觉理解，还是专业领域的问答，这款模型在各项测试中都显示出了令人印象深刻的精确度和模型表现。尤其是在 OCR 与文档理解领域，其全场景识别能力和复杂文档分析能力，为企业级应用提供了高精度的解决方案。

此外，Q 多ianfan-VL 的数学解题能力也值得一提，8B 和70B 模型在处理复杂的推理任务时，结合视觉信息与外部知识展现尺寸出优越的性能。在实际应用场景中，它能够提取关键信息并进行数据分析，助力企业进行智能决策。

Qianfan-VL 的模型推出标志着百度在视觉理解领域的一次重大突破，期待其在各行业的落地应用将引发新的浪潮。

官方介绍：https://bai满足dubce.github.io/Qianfan-VL/

项目地址：https://github.com/baidu不同bce/Qianfan-VL