xAI发布支持视觉的多模态AI模型Grok-1.5V

BlockBeats 消息，4 月 13 日，马斯克旗下人工智能公司 xAI 宣布推出首个多模态 AI 模型 Grok-1.5V。除了强大的文本处理能力，Grok 还能够处理各种视觉信息，包括文档、图表、屏幕截图和照片等。 在多个领域的基准测试中，Grok-1.5V 的表现均可与现有的前沿多模态模型相媲美。尤其在 xAI 新推出的 RealWorldQA 基准测试中，Grok 在现实世界空间理解能力上超越了同类模型。RealWorldQA 数据集包含 700 多张图像，旨在评估多模态模型对物理世界的基本理解能力。 Grok-1.5 将很快向早期测试人员和现有用户开放。