THUDM团队继VisualGLM-6B与CogVLM的生效发布后，再次引颈行业风向标竞猜大厅，在5月20日推出了其第二代视觉大模子——CogVLM2。

这款模子不仅在限制上达到了190亿参数，更在性能上赢得了里程碑式的飞跃，以仅19B的细小身形，接近或稀奇了GPT-4V，标记着多模态智能交互时期的全新篇章。

｜ CogVLM2：视觉与话语的深度对话者

相较于前辈CogVLM，升级版的CogVLM2在保留了通用智力的基础上，杀青了多个维度的显耀晋升。

在OCRbench基准测试中，其识别精度跃升了32%，而在TextVQA基准上，模子的视觉推奢睿力也增长了21.9%。

更令东谈主看重标是，CogVLM2在解决复杂的文档图像相识（DocVQA）任务上展现出了不凡的智力。

这意味着岂论是生意报表、数理化题目照旧平淡生涯知识，模子齐能像一位博学的助手，准确无误地瓦解并解答你的猜疑。

整理图中增长弧线:

描写蒸馏现实的关节智力:

｜ 高清视界，瞻念察细节之好意思

为了更好地适应互联网时间的高清需求，CogVLM2冲破性地营救高达1344*1344隔离率的图像输入，配合专为高隔离率图像优化的降采样模块。

即等于纸质手写翰墨:

或是户型图纸图纸:

或是让其分析图片含义:

或是描写奇特造型的图片:

模子也能飞快捕捉中枢信息，高效索取关节因素，大大晋升了解决速率与准确度。

这一时期改变，无疑为图像识别与解决鸿沟缔造了新的标杆。

｜ 跨话语桥梁，疏浚无界限

在外西化的海浪下，CogVLM2与时俱进，提供了中英文双语的营救，不仅知足了人人化交流的需求，也为跨国配合与学习绽放了新的可能。

基于Meta-Llama-3-8B-Instruct的康健话语基座，19B的模子体积虽小，但蕴含的能量宏大，展示了中国AI团队在算法优化与模子压缩上的深厚功底。

｜ 开辟者的福音：活泼高效，微调定制

研究到骨子运用的各样性，研发团队贴心肠提供了Lora微调代码，允许开辟者笔据特定场景对模子进行更动。

岂论是采选只对话语部分进行优化，照旧长远到视觉模块，不同的建设有盘算推算适应了不同硬件环境，最小只需16GB显存即可开动Int4量化版块，而全功能微调则最高条款80GB显存，展现了活泼性与高效性的好意思满聚集。

岂论是有趣于其奈何读懂图像中的翰墨诡秘。

照旧思见证它奈何解答图表背后的逻辑推理。

现在，CogVLM2的Demo已登陆“智谱清言”和“开放平台”，感意思意思的用户不错躬行体验这款多模态大模子的魔力。#深度好文计较#

柔柔咱们：即可加入【AI交流群】竞猜大厅，免费领取【AI大礼包】