本文探讨如何选择最佳视觉模型生成照片摘要，使用OpenAI的GPT-4o进行评估。评估了六种开源视觉模型，建立了评估流程并将结果存储在MongoDB中。最终发现llava:13b模型表现最佳，平均得分85.6。该方法提供了系统化的评估框架，便于比较模型性能。