智匠AI模型竞技场 —— 复杂环境物品识别

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。

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。