人類獲取的資訊83%來自視覺，圖文多模態大模型能感知更豐富和精確的真實世界資訊，構建更全面的認知智慧，從而向AGI（通用人工智慧）邁出更大步伐。
元象今日釋出多模態大模型 XVERSE-V，支援任意寬高比影像輸入，在主流評測中效果領先。 該模型全開源，無條件免費商用 ，持續推動海量中小企業、研究者和開發者的研發和應用創新。 
XVERSE-V效能優異，在多項權威多模態評測中超過零一萬物Yi-VL-34B、面壁智慧OmniLMM-12B及深度求索DeepSeek-VL-7B等開源模型，在綜合能力測評MMBench中超過了谷歌GeminiProVision、阿里Qwen-VL-Plus和Claude-3V Sonnet等知名閉源模型。
圖. 多模態大模型綜合評測
融合整體和區域性的高畫質影像表示
傳統的多模態模型的影像表示只有整體，XVERSE-V 創新性地採用了融合整體和區域性的策略，支援輸入任意寬高比的影像。兼顧全域性的概覽資訊和區域性的細節資訊，能夠識別和分析影像中的細微特徵，看的更清楚，理解的更準確。
注：Concate* 表示按列進行拼接
這樣的處理方式使模型可以應用於廣泛的領域，包括全景圖識別、衛星影像、古文物掃描分析等。
示例- 高畫質全景圖識別 、圖片細節文字識別
免費下載大模型
•Hugging Face：https://huggingface.co/xverse/XVERSE-V-13B
•ModelScope魔搭：https://modelscope.cn/models/xverse/XVERSE-V-13B
•Github：https://github.com/xverse-ai/XVERSE-V-13B
•問詢傳送：opensource@xverse.cn
元象持續打造國內開源標杆，在 國內最早開源最大引數65B 、 全球最早開源最長上下文256K 以及 國際前沿的MoE模型 ， 並在 SuperCLUE測評全國領跑 。此次推出MoE模型， 填補 國產開源空白，更將其 推向了國際領先水 平。
商業應用上，元象大模型是 廣東最早獲得國家備案的模型之一 ，可向全社會提供服務。元象大模型去年起已和多個騰訊產品，包括 QQ音樂 、虎牙直播、全民K歌、騰訊雲等，進行深度合作與應用探索，為文化、娛樂、旅遊、金融領域打造創新領先的使用者體驗。 
多方向實際應用表現突出
模型不僅在基礎能力上表現出色，在實際的應用場景中也有著出色的表現。具備不同場景下的理解能力，能夠處理資訊圖、文獻、現實場景、數理題目、科學文獻、程式碼轉化等不同需求。
•圖表理解
不論是複雜圖文結合的資訊圖理解，還是單一圖表的分析與計算，模型都能夠自如應對。
•視障真實場景
在真實視障場景測試集VizWiz中，XVERSE-V表現出色，超過了InternVL-Chat-V1.5、DeepSeek-VL-7B 等幾乎所有主流的開源多模態大模型。該測試集包含了來自真實視障使用者提出的超過31,000個視覺問答，能準確反映使用者的真實需求與瑣碎細小的問題，幫助視障人群克服他們日常真實的視覺挑戰。
VizWiz測試示例
•看圖內容創作
XVERSE-V具備多模態能力的同時保持強大的文字生成能力，能夠很好勝任理解影像後創造性文字生成的任務。
•教育解題
模型具備了廣泛的知識儲備和邏輯推理能力，能夠識別影像解答不同學科的問題。
•百科解答
模型儲備了歷史、文化、科技、安全等各類主題的知識。
•程式碼撰寫
•自動駕駛
•情感理解與識別