【環(huán)球網(wǎng)科技綜合報(bào)道】8月25日，記者從阿里云方面獲悉，阿里云推出大規(guī)模視覺(jué)語(yǔ)言模型Qwen-VL，一步到位、直接開(kāi)源。Qwen-VL以通義千問(wèn)70億參數(shù)模型Qwen-7B為基座語(yǔ)言模型研發(fā)，支持圖文輸入，具備多模態(tài)信息理解能力。

據(jù)了解，Qwen-VL是支持中英文等多種語(yǔ)言的視覺(jué)語(yǔ)言（Vision Language，VL）模型，相較于此前的VL模型，Qwen-VL除了具備基本的圖文識(shí)別、描述、問(wèn)答及對(duì)話能力之外，還新增了視覺(jué)定位、圖像中文字理解等能力。

多模態(tài)是通用人工智能的重要技術(shù)演進(jìn)方向之一。業(yè)界普遍認(rèn)為，從單一感官的、僅支持文本輸入的語(yǔ)言模型，到“五官全開(kāi)”的，支持文本、圖像、音頻等多種信息輸入的多模態(tài)模型，蘊(yùn)含著大模型智能躍升的巨大可能。