在今天的测试中,我们深入探讨了几种视觉模型在识别复杂物品方面的表现。我们选择了通义千问的qwen-vl-plus, qwen-vl-max, 智谱的GLM4V, 面壁智能的minicpm2.5和OpenAI的gpt4o这五种模型进行对比。
首先,我们选取了一张极具挑战性的杂乱图片,要求模型从左到右进行识别,并以列表形式输出结果。
![](https://img-blog.csdnimg.cn/direct/7691ce2cf6e240309d7c563e862ee348.png)
测试结果如下:
这里我列出了一个表格,我们参考一下,
然后我这里列出一个表格,这次实验样本量比较小,这里仅供参考。
我们看到通义千问识别没什么问题,很多细节识别出来了,不过似乎对一些环境信息和次要信息不太敏感,不过问题不大。
GLM4V是识别效果最好得到,所有的都识别出来了,而且它对文字信息很敏感。
然后我们看GPT4o识别得也不错,塑料抽屉没识别出来。
整体来说国产模型的物品识别能力并不差,某些方面比GPT4还强一些,在推理方面GPT4o还是最强的,这个场景用不到,后面我们会再出几期做不同维度的测试。
智匠AI(MindCraft AI)始终致力于提供最优质的AI办公工具,这次的模型评测希望对您又忙,感谢大家的支持。