Qwen2.5-VL-7B

小米多模态大模型Xiaomi MiMo-VL开源

近日，小米公司研发的MiMo-VL多模态模型接过MiMo-7B的接力棒，在多个领域展现出了强大的实力。该模型在图片、视频、语言的通用问答和理解推理等多个任务上大幅领先同尺寸标杆多模态模型Qwen2.5-VL-7B，在GUI Grounding任务上的表现更是可与专用模型相媲美，为Agent时代的到来做好了准备。 MiMo-VL-7B在多模态推理任务上成绩斐然，尽管参数规模仅为7B，却在奥林匹克竞赛（OlympiadBench）和多个数学竞赛(MathVision、MathVerse)中大幅领先参数规模10倍大的阿里Qwen-2.5-VL-72B和QVQ-72B-Preview，同时也超越了闭源模型GPT-4o。

5/30/2025 10:01:14 AM

AI在线

资讯热榜

DeepSeek R1-0528震撼发布:免费128K上下文，性能直逼OpenAI o3! 字节发布图像Agent“小云雀AI” 打造一键爆款创作神器小米多模态大模型Xiaomi MiMo-VL开源 Youware重磅更新：MCP加持一键生成复杂网页，AI建站进入新时代！实测 Google Veo 3：AI 视频终于能开口“说话”了（附白嫖攻略+提示词技巧）正式开源！DeepSeek-R1-0528震撼发布，性能直逼OpenAI o3，免费API已上线全球首个：OpenAI 免除 20 美元月费，阿联酋全民免费用 ChatGPT Plus 订阅全球首例!阿联酋全民免费使用ChatGPT Plus，AI国际化战略重大里程碑

标签云

人工智能 AI OpenAI AIGC ChatGPT 模型 DeepSeek AI绘画机器人数据谷歌大模型 Midjourney 用户智能开源微软 GPT 学习 Meta 图像技术 AI创作 Gemini 论文马斯克 Stable Diffusion 算法代码芯片英伟达生成式蛋白质开发者 Anthropic 腾讯研究神经网络 3D 计算生成 Sora 机器学习 AI设计 AI for Science 苹果 GPU 训练 AI视频华为 Claude 搜索场景人形机器人百度智能体 xAI 预测伟达大语言模型深度学习 Transformer 字节跳动模态 LLaMA 文本具身智能神器推荐 Copilot 视觉驾驶 API 应用 Agent 算力大型语言模型工具安全干货合集视频生成