三花快讯 · 2025, 2月21日
谷歌开源 PaliGemma 2 Mix：视觉多模态大语言模型，支持多种任务
提供 3B 10B 28B 参数模型 支持 224px 448px 分辨率
PaliGemma 2 Mix 是 Google 开源的一款视觉多模态大语言模型（LLM），能够直接应用于多种任务，包括图像标注、OCR、视觉问答、物体检测和分割。
相比上一代，PaliGemma 2 Mix 提供了多种参数规模的模型选择，包括 3B、10B 和 28B，并支持处理 224px 和 448px 分辨率的图片，性能显著提升。
商业转载请联系三花微信公众号获得授权，非商业转载请注明本文出处及文章链接，您可以自由地在任何媒体以任何形式复制和分发作品，也可以修改和创作，但是分发衍生作品时必须采用相同的许可协议。
本文采用 CC BY-NC-SA 4.0 - 非商业性使用 - 相同方式共享 4.0 国际 进行许可。