无问芯穹开源全球首款端侧全模态理解模型 Megrez-3B-Omni，支持图像、音频、文本理解

IT之家今日报道，无问芯穹宣布开源其端侧解决方案中的全模态理解小模型 Megrez-3B-Omni 及其纯语言模型版本 Megrez-3B-Instruct。

官方指出，Megrez-3B-Omni 是专为端设备设计的全模态理解模型，能够处理图片、音频和文本三种模态数据：

• 在图像理解方面，Megrez-3B-Omni 是目前多个主流测试集中精度最高的图像理解模型之一，如 OpenCompass、MME、MMMU 和 OCRBench。

• 在文本理解方面，Megrez-3B-Omni 在 C-EVAL、MMLU / MMLU Pro 和 AlignBench 等多个权威测试集上取得了端设备模型最优精度。

• 在语音理解方面，Megrez-3B-Omni 支持中英文语音输入，能够处理复杂的多轮对话场景，并支持对输入图片或文字进行语音提问，从而实现不同模态之间的无缝切换。

官方声称，与上一代及其他端侧大语言模型相比，单模态版本的 Megrez-3B-Instruct 在推理速度上取得了显著提升，推理速度最大可超前同等精度模型 300%。

IT之家提供以下相关链接：

• Github：https://github.com/infinigence/Infini-Megrez

• HuggingFace：https://huggingface.co/Infinigence/Megrez-3B-Omni

• Infini-AI 异构云：https://cloud.infini-ai.com/genstudio/model/mo-c73owqiotql7lozr

• Modelers：https://modelers.cn/models/INFINIGENCE-AI/Megrez-3B-Omni

• ModelScope：https://www.modelscope.cn/models/InfiniAI/Megrez-3B-Omni

广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考。