面壁露卡：主打图片理解的大语言模型

8月28日下午，面壁智能基于千亿基座模型驱动的多模态智能对话助手 Luca 2.0 正式开启公测。

Luca 的名字取自地球生命始祖 LUCA（The Last Universal Common Ancestor），Luca 1.0 版本最早于 5月27日在 2023 数博会上首次亮相，三个月来，Luca 总共迭代了 85 次，大语言模型能力整体提升 39%。其中推理能力提升 119%，推理、知识、生成等多项能力媲美 ChatGPT 。

除了优秀的大语言模型能力外，Luca 2.0 还具备强大的多模态处理能力，图片理解能力已达中文全网最强，其中多模对话、细节描述和复杂推理三项整体得分为 92.5 分，而行业其他模型的平均得分是 78.4 分，远超现有支持中文且具备图片理解能力的大模型，目前 Luca 2.0 版本已经开启全民公测申请。

在 Luca 的应用场景展示环节，按照从人类生命周期、追求真善美、降本提效等多个角度人长大成才的时间顺序，举例展现了“Luca 赋能人的成长和生活”的四个场景。

通过群体智能技术，Luca 可以和它的大模型同事们群体协作，在 7 分钟内为提出需求的用户制作出了 flappy Bird 小游戏。群体智能让创造力触手可及，在面壁的设想里，未来一个人开一家公司不是梦想。

我简单上手体验了一下，给他发了一张图，然后问了他几个问题：

从回答上看，他对图片的理解还是到位的，他会把所有的答案跟你发给他的图片做结合，所以看起来最适合的场景是做深入解读，不完全是个助手类模型。后续又问了几个问题，答案过于离谱就不放截图了，大家有兴趣的自行尝试一下。

从对话的结果和官方强调的核心技术来看，面壁希望在大模型这个领域里通过差异化找到自己的独特定位，所以从图片这个维度去入手。

未来模型能力变成更加具象的能力之后，有单一特点或许是能得到用户的认可，但实际的体验和场景的交付，可能还需要找到更准确的用户定位和需求。

面壁智能发布的以图片理解为特色的大模型，能够打开无数新的应用可能性，比如自动驾驶、医疗影像分析、搜索引擎优化等领域。

首先，大模型能够更准确地识别图片中的信息，这对于许多领域都是至关重要的。举例来说，在医疗领域，精准的图像识别可以帮助医生提前发现并诊断出疾病。在自动驾驶领域，准确的图像识别是保证安全驾驶的重要环节。图像识别技术的提升，可使车辆更好地理解周围环境，避免发生事故。

其次，大模型所能处理的图片数量和质量同样重要。在搜索引擎优化领域，这意味着可以利用大模型处理的大量数据，更准确地理解用户的搜索需求，进而提供更相关的搜索结果。

另外我想到的一个场景是，如果大模型能够理解图片，很多有视觉障碍或者盲人用户，就能通过大模型的能力去看这个世界，也许会有更多不一样的精彩。