9月22日，百度智能云千帆平台迎来重大更新，正式发布全新视觉理解模型系列Qianfan-VL，并宣布全面开源。即日起至10月10日期间，用户可免费体验8B和70B两大版本模型。

此次发布的Qianfan-VL系列涵盖3B、8B和70B三个梯度版本，是针对企业级多模态应用场景深度优化的视觉大模型。该系列不仅拥有出色的基础能力，还重点强化了OCR和教育等高频应用领域的专项性能。

技术架构与性能优势

Qianfan-VL基于开源架构深度开发，依托百度自研昆仑芯P800的强大算力支持，可实现单任务5000卡的并行计算规模。这种技术组合显著提升了模型计算效率，使其在多类基准测试中均展现出行业领先的SOTA水平。

三大核心特性

• 多尺寸选择：提供3B到70B参数范围的模型选择，满足不同规模企业需求
• 思维链推理：8B/70B版本支持通过特殊token激活复杂推理能力
• OCR增强：在文档识别与版面理解方面表现突出

三大核心能力展现

通用能力方面，测试数据显示模型性能稳定提升，尤其在视觉理解和专业问答场景表现优异，呈现出明显的Scaling特性。

OCR与文档理解领域表现尤为突出：不仅能准确识别手写体、数学公式等复杂内容，还可实现卡证票据信息结构化提取；在复杂版面分析方面，具备精准解析表格、图表并进行智能问答的能力。

思维推理能力方面，8B/70B版本支持各类复杂场景应用：

• 数学解题
• 视觉推理
• 图表理解

实际应用案例

目前已成功应用于多个场景：

• OCR识别：包括卡证、票据等特殊场景
• 数学推理：解决各类复杂数学问题
• 文档处理：实现版面分析及智能问答
• 图表分析：支持多模态数据解读

百度智能云表示，此次开源是推动AI技术产业落地的关键一步。未来将持续推出更多面向实际生产场景的产业级模型，加速人工智能在各行业的深度应用。