馬斯克旗下人工智能公司 xAI 于 3 月下旬推出 Grok-1.5 大語言模型之后，近日再次推出首個多模態(tài)模型 Grok-1.5 Vision。

xAI 表示將于近期邀請早期測試者和現(xiàn)有的 Grok 用戶測試 Grok-1.5 Vision（Grok-1.5V），不僅能理解文本，還能處理文檔、圖表、截圖和照片中的內(nèi)容。

xAI 表示：“Grok-1.5V 在多學科推理、文檔理解、科學圖表、表格處理、屏幕截圖和照片等多個領域都能媲美現(xiàn)有的前沿多模態(tài)模型”。

xAI 在官方新聞稿中演示了 7 個 Grok-1.5V 案例，，包括將白板上的流程圖草圖轉(zhuǎn)化為 Python 代碼、根據(jù)孩子的繪畫生成睡前故事、解釋流行語、將表格轉(zhuǎn)化為 CSV 文件格式等等。

xAI 還分享了 Grok-1.5V 的跑分情況，在 RealWorldQA 基準測試中，比 GPT-4V、Claude 3Sonnet、Claude 3 Opus 和 Gemini Pro 1.5 等主流競爭對手更為優(yōu)異。