今天，百度智能云千帆正式推出全新視覺理解模型——Qianfan-VL，并全面開源！

該系列包含3B、8B和70B三個尺寸版本，是面向企業級多模態應用場景，進行了深度優化的視覺理解大模型。Qianfan-VL不僅具備出色的基礎通用能力，還針對產業落地中的高頻需求，如OCR和教育垂直場景做了專項強化，使其在實際應用中表現更加卓越。

Qianfan-VL系列模型是由百度智能云千帆模型研發團隊，基于開源模型進行開發，并在百度自研昆侖芯P800上完成全流程計算任務。昆侖芯P800提供了強大的算力支撐，確保模型能夠高效處理海量數據與復雜算法，同時支持單任務5000卡規模的并行計算。這一結合不僅優化了模型計算的效率，更使得模型在性能表現上達到了新的高度，在通用和垂類任務評測中展現出SOTA水平。

Qianfan-VL模型具備三大特點：

• 多尺寸模型滿足不同場景需求：提供3B、8B、70B三種規格的模型，讓不同規模的企業和開發者都能找到合適的解決方案。
• 提供思考推理能力：8B和70B模型支持通過特殊token激活思維鏈能力，覆蓋復雜圖表理解、視覺推理、數學解題等多種場景。
• OCR與文檔理解能力增強：主打OCR全場景識別和復雜版面文檔理解兩大特色能力，在多項基準測試中表現優異，為企業級應用提供高精度的視覺理解解決方案。

模型性能與效果

通用能力基準測試表現

在通用能力基準測試中，Qianfan-VL 系列模型（3B、8B、70B）展現出顯著核心優勢。

從視覺理解到專業領域問答，模型性能隨參數規模增大提升顯著，體現出很好的Scaling趨勢。在ScienceQA等專業問答測試中，精準度表現突出；多模態任務如RefCOCO等，物體識別與關聯能力優異；同時，在各類通用基準測試里，相較主流模型，整體表現也頗為亮眼，充分彰顯出在視覺理解通用能力上的出色實力，為不同場景下的智能應用提供了有力支撐。