百度发布Qianfan-VL视觉模型，三大尺寸满足企业多元需求
近日，百度智能云千帆团队正式推出全新视觉理解模型——Qianfan-VL，并宣布全面开源。这款模型涵盖3B、8B和70B三种参数规模，面向不同体量的企业和开发者，适配多种多模态应用场景。
多尺寸选择，适配广泛场景
Qianfan-VL的一大亮点在于其多尺寸设计。3B版本适合资源有限的轻量级部署，8B版本在性能与效率之间取得平衡，而70B版本则面向高精度、高复杂度任务，满足企业对视觉理解能力的深度需求。
专项能力强化，OCR与教育场景表现突出
除了基础视觉理解能力，Qianfan-VL还针对行业高频需求进行了优化，特别是在光学字符识别（OCR）和教育类应用方面表现亮眼。它不仅能识别印刷体、手写体文字，还能处理复杂版面布局，并进行信息结构化提取，极大提升了文档处理的智能化水平。
此外，8B和70B版本还具备视觉推理能力，通过特殊token激活，可理解复杂图表、进行视觉推理和数学解题，适用于教学辅助、试卷分析、科研图表解析等高阶任务。
昆仑芯加持，全流程自研保障性能
Qianfan-VL基于开源模型开发，但整个训练和优化流程都在百度自研芯片——昆仑芯P800上完成。这不仅保证了模型训练的高效性，也体现了百度在软硬一体协同优化上的深厚积累。
基准测试成绩亮眼，通用与专业能力兼备
在多项视觉理解基准测试中，Qianfan-VL展现出卓越的通用性和专业表现。无论是在图像理解、多模态问答，还是在OCR和文档分析等特定任务中，其准确率和稳定性都令人印象深刻。
值得一提的是，8B和70B版本在数学解题方面表现出色，能够结合视觉信息与外部知识进行推理，为企业提供智能决策支持。例如，在考试题解析、财务报表分析等场景中，Qianfan-VL都能快速提取关键信息并生成结构化输出。
开源开放，助力行业落地
Qianfan-VL的全面开源，标志着百度在视觉理解领域迈出关键一步。随着其在教育、金融、医疗、政务等行业的逐步落地，有望推动新一轮AI应用创新浪潮。
官方介绍：https://baidubce.github.io/Qianfan-VL/
项目地址：https://github.com/baidubce/Qianfan-VL