零一万物API正式开放，中文图表识别优于GPT-4V

　　近期,Kim宕机的新闻让达模型商业化拼杀进入白热化阶段。与此同时,零一万物API也正式开箱,开发者可以直接调用包括多模态交互、200K超长文本、通用Chat等三大模型促成模型在更多应用场景的落地。

　　目前,Yi大模型API名额已经开放,新用户申请成功即送60元体验。这次,性能更强的多模态模型,更专业的推理模型,和OpenAI API随意切换的兼容性,以及超低的价格,都是不小的惊喜。

　　针对实际应用场景,多模态模型Yi-VL-Plus能力显著增强,支持复杂图表理解、信息提取、问答以及推理,甚至优于GPT-4V。

　　如,一张有些重影的图片,让Yi-VL-Plus模型识别这是什么店。

　　Yi-VL-Plus准确给出了店名“风水鱼自选超市”,并解释了这个店铺是做什么的。

　　GPT-4V的解释则不太准确,竟然识别成了“风水宝地鉴定中心”,令人哭笑不得。

　　中文图表的体验中Yi-VL-Plus表现也很优异。新升级模型在Yi-VL基础上进一步提升图片分辨率,支持1024*1024,明显提升了场景中文字、数字OCR识别准确性。比如下面这张分辨率低,表格繁杂的图,提问:“通暖工程的人工单价是多少”,Yi-VL-Plus可以很快给出正确答案:33.054元/工日。

　　而GPT-4V则在处理照片信息方面遇到了问题,给出了一段似乎是回答的“周边回答”,就是没有呈现准确的数字。

　　除了表格,Yi-VL-Plus处理饼状图的表现也可圈可点。在面对同样一张饼图,Yi-VL-Plus精确表述了饼图中所显示的内容,并且在数字对应上,没有出现任何错误。

　　同样的问题交给GPT-4V,表现则不那么乐观,无法正确认出饼状图中的中文字。

　　综合来看,Yi大模型体验丝滑,可以成为企业和个人的工作好帮手!