量子位
·
全球首个全模态理解开源端模型：长语音自动总结，图文音啥都会！300%推理速度领先，来自无问芯穹
💡
原文中文，约2700字，阅读约需7分钟。
📝
内容提要
无问芯穹推出全球首个全模态理解开源模型Megrez-3B-Omni，支持图像、音频和文本处理，推理速度比同类模型快300%。该模型体积小、性能优越，适合手机等端侧设备，推动智能化应用发展。
🎯
关键要点
- 无问芯穹推出全球首个全模态理解开源模型Megrez-3B-Omni，支持图像、音频和文本处理。
- Megrez-3B-Omni推理速度比同类模型快300%，适合手机等端侧设备。
- 该模型体积小，性能优越，能够处理图片、音频、文本三种模态数据。
- 在多个主流测试集上，Megrez-3B-Omni在图像理解方面表现优异，超越34B模型。
- 文本理解方面，Megrez-3B-Omni在多个权威测试集上取得全球领先地位，显著降低计算成本。
- 音频理解支持中文和英文，能够处理复杂的多轮对话场景。
- Megrez-3B-Omni通过软硬件协同优化，确保与主流硬件高度适配，提升推理速度。
- 模型集成WebSearch功能，智能判断何时调用外部工具进行网页搜索。
- 无问芯穹团队在模型压缩、推理加速及硬件能耗优化领域具有深厚经验。
- 未来将持续迭代Megrez系列，提升自动化水平，推动智能一体化解决方案市场化。
🏷️
标签
➡️
