據了解，百靈大模型多模態(tài)能力，在中文圖文理解MMBench-CN評測集上達到GPT-4o水平，在信通院多模態(tài)安全能力評測達到優(yōu)秀級（最高），具備支持規(guī)?；瘧玫哪芰Γ苤С諥IGC、圖文對話、視頻理解、數(shù)字人等一系列下游任務。
多模態(tài)大模型技術能夠使AI更好地理解人類世界的復雜信息，也讓AI落地應用時更符合人類的交互習慣，在智能客服、自動駕駛、醫(yī)療診斷等多個領域展現(xiàn)出巨大的應用潛力。
螞蟻集團有著豐富的應用場景，百靈大模型的多模態(tài)能力，也已被應用在生活服務、搜索推薦、互動娛樂等場景。在生活服務上，螞蟻集團使用多模態(tài)模型實現(xiàn)了ACT技術，讓智能體具備一定規(guī)劃執(zhí)行能力，比如根據用戶語音指定直接在星巴克小程序下單一杯咖啡，目前這一功能已在支付寶智能助理上線。在醫(yī)療領域，多模態(tài)能力為用戶實現(xiàn)復雜任務的操作，可以對超過100多種復雜的醫(yī)學檢驗檢測報告進行識別和解讀，還可以檢測毛發(fā)健康和脫發(fā)情況，對治療提供輔助。
發(fā)布現(xiàn)場，螞蟻集團副總裁徐鵬展示了新升級的多模態(tài)技術可實現(xiàn)的更多應用場景：通過視頻對話的自然形式，AI助理能為用戶識別穿著打扮，給出約會的搭配建議；根據用戶不同的意圖，從一堆食材中搭配出不同的菜譜組合；根據用戶描述的身體癥狀，從一批藥物中，挑選出可能合適的藥，并讀出服用指導，供用戶參考等。
論壇上同時發(fā)布的“支付寶多模態(tài)醫(yī)療大模型”，便是這一探索的實踐。據了解，支付寶多模態(tài)醫(yī)療大模型添加了包含報告、影像、藥品等多模態(tài)信息在內的百億級中英文圖文、千億級醫(yī)療文本語料、以及千萬級高質量醫(yī)療知識圖譜，具備專業(yè)醫(yī)學知識，在中文醫(yī)療 LLM 評測榜單 promptCBLUE 上，取得 A 榜第一，B 榜第二的成績。
基于百靈大模型多模態(tài)能力，由螞蟻集團與武漢大學聯(lián)合研發(fā)的遙感模型SkySense，也在論壇上公布了開源計劃。SkySense是目前參數(shù)規(guī)模最大、覆蓋任務最全、識別精度最高的多模態(tài)遙感基礎模型。
“從單一的文本語義理解，到多模態(tài)能力，是人工智能技術的關鍵迭代，而多模態(tài)技術催生的‘看聽說寫畫’的應用場景，將讓AI的表現(xiàn)更真實，更接近人類，從而也能更好地服務人類。螞蟻會持續(xù)投入原生多摸態(tài)技術的研發(fā)。”徐鵬說。
