现在国内的大模型发展日新月异，比如正文提到的元象发布的这款开源大模型，各个方面的表现都很不错。

又一个国产多模态大模型开源！

XVERSE-V，来自元象，还是同样的无条件免费商用。

此前元象曾率先发布国内规模最大的开源大模型，如今开源家族系列又多了一个。

最新的多模态大模型支持任意宽高比图像输入，在主流评测中保持着效果领先——

• 在多项权威多模态评测中，XVERSE-V超过零一万物Yi-VL-34B、面壁智能OmniLMM-12B及深度求索DeepSeek-VL-7B等开源模型。
• 在综合能力测评MMBench中超过了谷歌GeminiProVision、阿里Qwen-VL-Plus和Claude-3V Sonnet等知名闭源模型。

支持任意长宽比图像输入

传统的多模态模型的图像表示只有整体，XVERSE-V 采用了融合整体和局部的策略，支持输入任意宽高比的图像。

兼顾全局的概览信息和局部的细节信息，能够识别和分析图像中的细微特征，看的更清楚，理解的更准确

这样的处理方式使模型可以应用于广泛的领域，包括全景图识别、卫星图像、古文物扫描分析等。

△示例- 高清全景图识别

△示例-图片细节文字识别

除了基本能力表现不错，也能轻松应对各种不同的实际应用场景，比如图表、文献、代码转化、视障真实场景等。

图表理解

不论是复杂图文结合的信息图理解，还是单一图表的分析与计算，模型都能够自如应对。

自动驾驶

代码撰写

还有视障真实场景

在真实视障场景测试集VizWiz中，XVERSE-V的表现超过了InternVL-Chat-V1.5、DeepSeek-VL-7B等几乎所有主流的开源多模态大模型。该测试集包含了来自真实视障用户提出的超过31000个视觉问答，能准确反映用户的真实需求与琐碎细小的问题，帮助视障人群克服他们日常真实的视觉挑战。