马斯克旗下人工智能公司xAI于 3 月下旬推出 Grok-1.5 大语言模型之后，近日再次推出首个多模态模型Grok-1.5 Vision。

xAI 表示将于近期邀请早期测试者和现有的 Grok 用户测试 Grok-1.5 Vision（Grok-1.5V），不仅能理解文本，还能处理文档、图表、截图和照片中的内容。

xAI 表示：“Grok-1.5V 在多学科推理、文档理解、科学图表、表格处理、屏幕截图和照片等多个领域都能媲美现有的前沿多模态模型”。

xAI 在官方新闻稿中演示了 7 个 Grok-1.5V 案例，，包括将白板上的流程图草图转化为 Python 代码、根据孩子的绘画生成睡前故事、解释流行语、将表格转化为 CSV 文件格式等等。

xAI 还分享了 Grok-1.5V 的跑分情况，在 RealWorldQA 基准测试中，比 GPT-4V、Claude 3Sonnet、Claude 3 Opus 和 Gemini Pro 1.5 等主流竞争对手更为优异。