分类 AI模型
标签 AI 模型
CogVLM 是什么
CogVLM 被介绍为一个强大的开源视觉语言模型,其中 CogVLM-17B 拥有 100 亿个视觉参数和 70 亿个语言参数,还可以与你就图像进行对话。
你可以用它做什么
- 准确描述图像细节
- 回答各种类型的问题
- 进行视觉定位
- 就图像展开对话
基准测试说明
- 资料称 CogVLM-17B 在 10 个经典跨模态基准测试上取得最先进的性能,包括 NoCaps、Flicker30k 字幕、RefCOCO、RefCOCO+、RefCOCOg、Visual7W、GQA、ScienceQA、VizWiz VQA 和 TDIUC
- 资料列出它在 VQAv2、OKVQA、TextVQA、COCO 字幕等方面排名第二
- 资料称其表现超过或与 PaLI-X 55B 相匹配
优点与缺点
✓ 我们认可的地方
- 开源视觉语言模型
- 图像描述、问题回答与视觉定位集中在一个模型里
! 需要留意的地方
- 所列基准测试结果来自资料本身的陈述
- 资料称 CogVLM-17B 在 VQAv2、OKVQA、TextVQA、COCO 字幕等方面排名第二
常见问题
模型能处理图像的哪些任务?
功能列表列出准确描述图像细节、回答各种类型的问题与视觉定位。
CogVLM-17B 的规模是多大?
资料说明有 100 亿个视觉参数和 70 亿个语言参数。
最后评测: 2026-11-15
更多 大模型 API 平台 工具
查看全部 →-
302.AI 把数百个大模型收在一个 API 后面的聚合云平台 开发者工具 API 集成 多模型平台 模型部署 大模型 API 平台 -
360智脑开放平台 360 大模型 API 平台 API 集成 多模型平台 知识库问答 企业自动化 大模型 API 平台 -
4o Image API 图像生成 API 网关 免费 工具 免费增值 工具 开发者工具 API 集成 大模型 API 平台 -
AI-Flow 无代码的多模型工作流 工作流自动化 开发者工具 API 集成 知识库问答 大模型 API 平台 -
AI/ML API 一个网关接入众多模型 开发者工具 API 集成 多模态 多模型平台 大模型 API 平台 -
Amazon Bedrock 带安全扫描的 AWS 代码建议 免费 工具 代码助手 集成开发环境 应用搭建器 大模型 API 平台