Yi-VL-6B

Yi-VL-6B全称是Yi Visual Language - 6B的简称，是一个多模态大模型，该模型是基于LLaVA架构完成的。该模型可以接受文本和图片的输入，但是可以返回文本结果。

Yi-VL-6B支持中英文两种语言，可以做图片的理解和文本的识别。根据官方的描述，这个模型可以用来抽取、组织并总结图片中的信息。最高支持448×448像素的图片输入。

该模型实测：

除了60亿参数模型外，还有340亿参数的Yi-VL-34B，这个模型取得了目前多模态评测榜单第一。