QVQ-72B：世上唯一开源免费视觉推理大模型
这应该是当今世上唯一一个完全开源免费的视觉推理大模型，相比海外如OpenAI等贵的要命的o3模型，阿里巴巴最新推出的这个QVQ-72B视觉推理大模型遵循都是Apache 2.0的协议，也就是说权重等完全开源，如果我没有搞错的话，这应该是当今世上唯一一个完全开源免费的视觉推理大模型，它只有72B的参数量，但是它在MMLU多模态测试集和MathVision等数学视觉等测试集上的benchmarks得分却不容小觑。下面我们快速的去魔撘上玩下…
微信赞赏
相关推荐
2024-12-22
Kimi视觉推理大模型：差评！
看网上都在吹Kimi的视觉推理大模型，说得神乎其技，可以取代OpnAI 200刀每月的专业版之类的，真有这么厉害吗？这里我们也来快速测试下。 首先，我们来个简单都英语填空题，这种题一般的大模型都能做对，本来就是大语言模型的强项，仅作为最基本验证，它也是没有问题的。 再看第二道题，来个脑筋急转弯，分析推理确实是一大堆的，答案也和预期一样，但是它是实打实的脑筋不转弯都从语言学等角度得出的答案，其实这里在中文语境中用脑筋急转弯思路就能很快得出答案，太阳公公嘛，那太阳肯定是男都啰。况且太阳叫做sun，儿子也读作son，也能得到印证。所以我推定它是不适合做脑筋急转弯的，起码不适合做中文的脑筋急转弯。 下一道数学题，“一口井7米深，有只蜗牛从井底往上爬，白片爬3米，晚上下坠2米。问蜗牛几天能从井里爬出来？”这里要注意解题的关键点是最后一天可能它不会滑下来了。我们看它分析，前几天都没有问题，第四天，白天爬3米，就是到了6米，晚上滑下来2米，到了第4米，第五天，白片爬3米，4+3刚好7米，所以就爬出来了，就不用考虑晚上往下滑了。所以答案是5天就能爬出去。我们看它最终做了一大堆装模作样的推理...
2025-01-31
Qwen 2.5-vl + Browser Use：打造本地Operator
通义千问版Operator啊！我们知道OpenAI推出的Operator震撼全球，可以像真人般操作浏览器去完成不同的任务。今天我们说下怎么用通义千问最新推出的开源免费的Qwen2.5-VL视觉大模型加上我们之前分享过的Browser Use来搭建本地跑的Operator… “Qwen2.5-vl API Server” github 入口 “Browser Use web-ui” github 入口
2024-11-29
Nexa AI OmniVision：本地部署多模态大模型
Nexa AI OmniVision的本地部署教程！本视频手把手教你如何在自己的电脑上安装和运行OmniVision多模态大模型。涵盖了：系统要求检查、模型下载、安装配置、API调用示例和性能优化技巧。OmniVision支持处理图像和视频输入，能够在本地完成复杂的视觉理解任务。无需GPU也能运行优化版本，是本地AI部署领域值得关注的多模态模型。 官方博客
2024-11-29
OmniVision: 可本地跑的多模态大模型
OmniVision是一款由Nexa AI开发的多模态大语言模型，它能够在本地设备上运行，支持同时处理文本、图像和视频输入。与云端多模态模型不同，OmniVision针对移动设备和边缘计算进行了优化，可以在手机上流畅运行。它能够理解图片内容、分析视频帧、回答关于视觉输入的问题。本视频介绍OmniVision的安装部署和实际使用体验。 官方博客
2025-09-03
FastVLM! 苹果炸裂开源视觉模型！本地就能跑！
苹果隆重推出最新力作FastVLM，这是一款旨在彻底改变我们与视觉内容交互方式的全新视觉语言模型！出道即王炸，它是目前市场上响应速度最快的VLM之一。想象一下，您的AI模型不仅能实时理解您眼前的一切，还能直接在浏览器中运行，甚至完全离线使用，不用联网就能看图看视频，甚至实时生成字幕。 对于希望在网页应用中集成高性能、低延迟的视觉智能的开发者而言，FastVLM无疑是理想之选。 模型访问入口 代码示例入口 在线访问入口
2024-11-29
如何免费用马斯克的Grok-2大模型
Grok-2是马斯克旗下xAI推出的强大AI大语言模型，本视频教你如何免费使用Grok-2。与GPT-4和Claude需要付费订阅不同，Grok-2通过X（Twitter）平台提供了免费使用额度。视频详细介绍了：注册X账号、进入Grok对话界面、免费额度的使用限制、以及如何用Grok-2完成文本生成、代码编写和问题回答等各种任务。对于想要体验马斯克AI模型的用户来说，这是一份免费指南。 访问入口
