融合 ChatGPT+DALL・E 3，贾佳亚团队新作开源畅玩：识图推理生图一站解决

图片地址：https://img.ithome.com/newsuploadfiles/2024/4/051c9baa-dca1-4215-a2dd-54318a8ae80d.png?x-bce-process=image/format,f_auto

在开源社区中把 GPT-4+Dall・E 3 能⼒整合起来的模型该有多强？香港中文大学终身教授贾佳亚团队提出多模态模型 Mini-Gemini：更高清图像的精确理解、更高质量的训练数据、更强的图像解析推理能力，还能结合图像推理和生成，堪称王炸。Mini-Gemini 还提供了 2B 小杯到 34B 的超大杯，最强模型在多个指标上相比谷歌的 Gemini Pro 甚至 GPT-4V 都不遑多让。目前，Mini-Gemini 从代码、模型到数据已全部开源，登上了 PaperWithCode 热榜。Mini-Gemini 线上 Demo 也已发布，超会玩梗，一起来体验下！接近商业闭源模型水平Mini-Gemini Demo 放出后受到广大网友关注，一番“品尝”后，他们认为 Mini-Gemini 跟商业模型差不了多少。目前，绝大多数多模态模型仅支持低分辨率图像输入和文字输出，而在实际场景中，许多任务都需要对高清图像进行解析，并用图像的