百度开源视觉理解模型全尺寸视觉大模型登场
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！
该系列包含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，使其在实际应用中表现更加卓越。
Qianfan-VL系列模型是由百度智能云千帆模型研发团队，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。昆仑芯P800提供了强大的算力支撑，确保模型能够高效处理海量数据与复杂算法，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。
下面详细来看：
