GPT-4o 发布会上的图片识别和语音交互让人印象深刻，图片识别是最基本的能力，国内的各家大模型对多模态的支持怎么样了？我用一张图片测试了一圈，满分10分：
首先头部大模型打个样：
ChatGPT：识别出来纸杯和印字，而且还认出来杯子里面的菊花茶，语气笃定；9分
Claude：识别到了纸杯及上面的内容，但没有识别出来菊花茶，而且把背景里的柴犬识别错了；4分
Gemini：菊花茶识别成咖啡，0分
通义千问：识别出来杯子和图案，还有菊花茶，超过预期，9分
讯飞星火：识别出来杯子和图案，但是没有识别菊花茶，另外周边的物件都识别出来了，6分
豆包：居然不支持多模态，负分
文心一言：识别到杯子和图案的意思，但是没识别出来菊花茶，周边物品识别也OK，6分
智谱清言：视觉中心的杯子和菊花茶都识别到了，周边物品也OK，语言干练，但是仅仅是罗列，没有描述，7分
海螺AI：不支持多模态，负分
天工：不支持多模态，负分
首先头部大模型打个样：
ChatGPT：识别出来纸杯和印字，而且还认出来杯子里面的菊花茶，语气笃定；9分
Claude：识别到了纸杯及上面的内容，但没有识别出来菊花茶，而且把背景里的柴犬识别错了；4分
Gemini：菊花茶识别成咖啡，0分
通义千问：识别出来杯子和图案，还有菊花茶，超过预期，9分
讯飞星火：识别出来杯子和图案，但是没有识别菊花茶，另外周边的物件都识别出来了，6分
豆包：居然不支持多模态，负分
文心一言：识别到杯子和图案的意思，但是没识别出来菊花茶，周边物品识别也OK，6分
智谱清言：视觉中心的杯子和菊花茶都识别到了，周边物品也OK，语言干练，但是仅仅是罗列，没有描述，7分
海螺AI：不支持多模态，负分
天工：不支持多模态，负分
展开
15
32
juejin.cn