xAI发布多模态新模型Grok-1.5 Vision
埃隆·马斯克旗下AI初创公司xAI推出全新多模态模型Grok-1.5V（Grok-1.5 Vision）。该模型在原有文本处理能力基础上，新增对文档、照片、截图、图表及图形的理解能力，将Grok系列性能提升至新高度。
核心优势：空间感知与多学科推理
Grok-1.5 Vision具备智能时空感知能力，在复杂文本逻辑推理、科学图像解读及视觉内容类人交互方面表现突出。官方数据显示，该模型在衡量现实世界空间理解能力的RealWorldQA基准测试中领先于GPT-4V、Claude 3 Sonnet、Claude 3 Opus及Gemini Pro 1.5等竞品。
多元化应用场景展示
Grok-1.5 Vision已支持多种实用场景：
- 将草图转化为儿童故事；
- 识别物体组中的最大目标；
- 为驾驶员提供障碍物绕行辅助；
- 将图表转换为CSV格式；
- 判断家具腐朽程度并建议更换；
- 解析网络迷因（meme）背景含义。
产品迭代与开放计划
继上月发布强化数学、编码能力及长上下文处理的Grok 1.5 LLM，并将Grok-1开源后，Grok-1.5V即将面向早期测试用户开放，X Premium+订阅用户可优先体验。