多模态大模型

多模态大模型（Multimodal Model）扩展了纯文本 LLM 的输入输出范围，可处理图像理解（VQA）、图文生成、文档解析、视频问答等任务。OpenAI、Google、Anthropic、Qwen 等主要团队都已推出强多模态版本。下方汇总主流多模态模型支持的模态类型、上下文长度与评测成绩。