https://rank.opencompass.org.cn/leaderboard-multimodal/?m=REALTIME
這一成績不僅刷新了國內AI模型在國際多模態(tài)測評中的最高得分紀錄,更超越谷歌、OpenAI等全球頂尖團隊,與商湯科技SenseNova(80.4分)、上海AI LAB InternVL(79.1分)占據(jù)前10名的半壁江山,展現(xiàn)了中國在通用人工智能領域的突破性進展。
此次評測中,從容大模型展現(xiàn)了全方位技術優(yōu)勢。面對涵蓋視覺感知、認知理解與跨領域應用的8大核心數(shù)據(jù)集,該模型在醫(yī)學健康、數(shù)理邏輯、藝術設計等十余個專業(yè)領域表現(xiàn)突出。
尤其在MMBench中文測試、高難度學科綜合評測(MMMU)及高階推理榜單(MMStar)中均拔得頭籌,并在復雜場景文本識別(ocrbench)、開放域問答(MMVet)等關鍵場景中穩(wěn)居全球前列,其綜合能力較國際頭部模型GPT-4.1領先近5分。
技術突破源于云從科技在多模態(tài)核心領域的持續(xù)深耕。從容大模型聚焦通用視覺語言理解與推理任務,通過三大核心領域(多模態(tài)對齊、高階推理、長上下文建模)的突破性優(yōu)化,構建起全球領先的技術壁壘:
1.多模態(tài)對齊:
自建面向強化指令對齊的高質量基準數(shù)據(jù)集,覆蓋了圖文問答、多模態(tài)理解、多輪交互等任務場景,提升多模態(tài)理解與任務指令遵循的推理表現(xiàn)。
2.決策類人化:
首創(chuàng)融合DPO(直接偏好優(yōu)化)與GRPO(生成式獎勵優(yōu)化)的雙重對齊技術,無需依賴獎勵模型即可實現(xiàn)類人化推理決策,通過優(yōu)化模型學習機制,從容大模型實現(xiàn)了更貼近人類思維的決策方式,在復雜問答與多輪交互中展現(xiàn)出更強的智能行為選擇能力;
3.高效工程優(yōu)化:
重點攻克了4K高分辨率圖像問答場景,面向多模態(tài)文檔理解(OCR)對模型的圖像編碼器進行了結構優(yōu)化,可處理高分辨率圖像與文檔(如合同、發(fā)票表格等),支持多模態(tài)文檔的智能審查、智能解析、智能問答等任務。
面對跨頁文檔分析、多輪對話等長文本場景,可精準追蹤超過3萬字的上下文邏輯;
4.原生多模態(tài)推理
模型全面升級,面向多圖、跨圖場景的圖文交錯模式和原生視頻模式,提供原生的多模態(tài)文檔理解和多模態(tài)視頻理解,可以實現(xiàn)跨圖比較、圖文組合推理、多圖問答等復雜多模態(tài)任務,進而提升大模型大模型的模型理解深度與廣度。
從容大模型多模態(tài)能力示例
目前,該模型已在金融、制造、政務等多個領域通過AI智能體實現(xiàn)規(guī)模化落地。
某銀行基于該模型與云從合作打造風控合規(guī)案防智能平臺,構建風控AI智能體,實現(xiàn)風險識別自動化和問責標準化,投訴數(shù)量壓降50%以上;在電商領域,云從科技為正浩創(chuàng)新部署的智能客服平臺,通過多模態(tài)對齊與知識庫精準匹配,將問答準確率提升至95%,客服月均效率提高24%。
“技術創(chuàng)新最終要服務于社會價值。”云從科技聯(lián)合創(chuàng)始人姚志強表示,團隊將持續(xù)探索多模態(tài)技術的安全落地模式,以自主創(chuàng)新的AI基礎設施,為全球智能化轉型提供更高效、更包容的技術支撐。
隨著從容大模型的持續(xù)進化,中國人工智能正以扎實的技術根基,開啟賦能實體經濟的新篇章。
