混元视觉模型跻身全球Top3，国内排名第1

混元视觉理解最新的模型Hunyuan-Vision-1.5-Thinking在今天凌晨发布的国际大模型竞技场 LMArenaVision 赛道排行榜表现抢眼，拿下全球Top3，国内第1的好成绩。

图片

Lmarena第一时间在X上官宣了这一消息，并写道：

评估具有视觉功能的人工智能模型与文本相比增加了新的复杂性。为了良好的表现，模型必须从图像中提取信息，理解这些信息，并将视觉信息与文本结合，应用于多种用例，例如：图表解释、文档解析、根据视觉内容建议标题和文案，以及解决几何问题的能力等等。

视觉，是“看到/理解”与推理的结合。

这一成绩的取得来自大量用户的投票：

LMArena是美国加州大学伯克利分校推出的创新AI模型评估平台，评测核心方法是基于人类真实偏好的“盲测”机制，让用户对不同AI模型的回答进行匿名投票，衡量模型的表现。由于该平台访问量巨大，并且评测机制贴近实际体验，是目前国际上最权威的竞技场榜单。

10月5日发布的LMArena图像生成榜单中，混元图像 3.0 居第一位，超过nano-banana等顶尖闭源模型。此前，混元也有多个模型在榜单上取得Top3级别的成绩。在这里，特别感谢大家对混元模型的喜欢和投票，我们将会持续迭代，打造更好用、实用的大模型。

Hunyuan-Vision-1.5-Thinking 具备领先的多语言多模态理解和推理能力，能够通过多轮的反思，更加深入地理解“看”到的内容，完成相应的指令任务。同时，模型在更高级的任务如视觉推理和3D空间理解，也有比较好的表现。

一起来看看几个案例：

1、 多模态理解：让模型识别图片中的物体

图片

2、 多语言支持：直接通过西班牙语提问，让模型识别英文图表

图片

3、 深度思考：通过多轮思考和推理，拆分问题，一步步接近正确答案

图片

图片

Hunyuan-Vision-1.5-Thinking在视觉任务上的良好表现，得益于技术团队在模型架构上的不断升级，我们也将在10月底开源和公开技术报告，敬请期待。

进一步了解：https://github.com/Tencent-Hunyuan/HunyuanVision

目前模型API已经在腾讯云开放接入使用，同时，也欢迎大家到LMArena直接使用，为混元视觉模型打分。

• 腾讯云API: https://cloud.tencent.com/document/product/1729/104753
• 直接体验：https://lmarena.ai/?mode=direct

图片

混元视觉模型家族拥有多个不同特点的模型，此前已经推出混元T1-Vision、混元TurboS-Vision和混元Large-Vision等多个模型，视觉信息理解是大模型走向通用不可或缺的一环，基于此前的积累，腾讯混元团队也将持续在这一方向上努力，通过技术创新，带来更多的视觉大模型方面的模型和应用。