小米MiMo-VL VS 千问Qwen2.5-VL | 多模态模型实测

以下文章来源于刘聪NLP ，作者刘聪NLP 刘聪NLP . NLP刘聪，如货币般流通！这里的刘聪，不会rapper，只发paper！长期关注AIGC前沿内容！还写过两 本书：ChatGPT原理与实战、大型语言模型实战指南！欢迎来讨论AI！ 端午节前，分享了一篇小米的开源多模态模型的文章， 啥？小米又开源了多模态理解大模型 。 当时只解读了论文，没有实测。 今天来填坑。 当然，看了这篇论文的，都知道，MiMo-VL-7B模型把一众多模态理解模型按在地上暴捶，尤其是 Qwen2.5-VL，哈哈哈哈。 当然这里没有拉仇恨的意思。 他们自己人也说是站在巨人的肩膀上， 巨人就是Qwen ，虽然Qwen-VL被锤了， 但是Qwen的含金 量依然存在 ，毕竟ViT部分是直接用Qwen2.5-VL的ViT初始化的。 话不多说，开始实测，因为MiMo-VL-7B有两个SFT和RL两个版本，并且均可以使用think或no- think，都测试，与Qwen2.5-VL-7B进行对比。 懒人不爱看版： 结论可能会因为测试样例不足、不同，而不一样， 欢迎评论区讨论 ！ MiMo-VL-7B个人测试下来SFT和RL相差不大； MiMo- ...