最近，中国科学技术大学与厦门大学联合腾讯优图，发布了一份多模态人工智能模型的综合评测报告，其结果引起了全球AI界的高度关注。
报告显示，国产多模态模型BLIP-2和InstructBLIP 在综合排名中位居前三，击败了包括Google和Facebook在内的知名西方企业的相关产品。
有分析认为，此次评比结果标志着中国在多模态AI领域迈入世界第一方阵。那么，这次评测究竟考察了哪些方面的能力？国产模型凭借怎样的技术优势夺魁？后续又将带来哪些潜在的影响？
此次评测由中国顶尖高校和企业密切合作完成，评估标准努力全面考量多模态模型的感知能力和认知能力。感知能力测试关注图像理解、语音识别等典型感知任务完成情况。
