近日，月之暗面科技公司宣布了一項重要更新，正式推出了其Kimi多模態(tài)圖片理解模型API，并進一步完善了moonshot-v1模型系列的多模態(tài)處理能力。此次發(fā)布的全新多模態(tài)圖片理解模型被命名為moonshot-v1-vision-preview（簡稱“Vision模型”）。
Vision模型以其強大的圖像識別能力脫穎而出，能夠精準捕捉圖像中的復(fù)雜細節(jié)和細微差異。無論是食物還是動物，即便是相似度極高的對象，如藍莓松餅和吉娃娃，該模型也能輕松區(qū)分和識別。在官方提供的一組測試圖片中，Vision模型成功地將16張難以用肉眼分辨的藍莓松餅和吉娃娃圖片一一標記，準確率令人驚嘆。
除了基本的圖像識別功能外，Vision模型在OCR文字識別和圖像理解方面同樣表現(xiàn)出色。相較于傳統(tǒng)的文件掃描和OCR識別軟件，Vision模型在處理收據(jù)單、快遞單等含有潦草手寫內(nèi)容的圖像時，準確率更高。例如，在一張《某學生期末考試成績》柱狀圖的識別測試中，Vision模型不僅能夠準確提取出每個科目的分數(shù)數(shù)值并進行對比，還能識別出柱狀圖的樣式、格式和顏色等細節(jié)。
在計費方式上，Vision模型采用了按量計費的模式，根據(jù)用戶選擇的模型不同，價格也有所差異。具體來說，單張圖片按1024 tokens合并計算在Input請求的tokens用量中，moonshot-v1-8k-vision-preview模型的價格為每1M tokens 12元，moonshot-v1-32k-vision-preview模型的價格為每1M tokens 24元，而moonshot-v1-128k-vision-preview模型的價格則為每1M tokens 60元。
Vision模型還支持多種特性，包括多輪對話、流式輸出、工具調(diào)用、JSON Mode和Partial Mode等。然而，也有一些功能目前暫未支持或部分支持，如聯(lián)網(wǎng)搜索、帶有圖片內(nèi)容的Context Caching以及URL格式的圖片等。用戶在使用時需注意這些限制。
在其他平臺更新方面，月之暗面科技公司也推出了一系列新功能，如組織項目管理功能、一個企業(yè)實體認證多賬號功能、File文件資源管理功能等。這些新功能的推出，將進一步提升用戶的使用體驗和便利性。同時，Context Caching功能已全面開放給所有用戶，且Cache續(xù)期不再收取創(chuàng)建費用，這也為用戶節(jié)省了不少成本。
