openPangu VL 7B 中文 English 技术报告 1. 简介 openPangu VL 7B 是基于昇腾 NPU ，基于openPangu Embedded 7B V1.1语言基模和openPangu ViT 600M视觉编码器训练的高效多模态模型。openPangu VL 7B 训练了约 3T tokens，具备通用视觉对话、文档理解、目标定位与计数、视频理解、视觉高阶推理等能力。该模型为快思考模型。 2. 模型架构 openPangu VL 7B : : : : 语言模型 Architecture Dense Parameters (Non Embedding) 7B Number of Layers 34 Hidden Dimension 12800 Attention Mechanism GQA Number of Attention Heads 32 for Q，8 for KV Vocabulary Size 153k Context Length (Natively) 128k 视觉编码器 Architecture 22 Window Attention + 4 Full Attention Number of Layers 26 Attention Hidden Size 1536 FFN Hidden Size 4608 Number of Attention Heads 16 Parameters 615M 3. 测评结果 测评集 openPangu VL 7B : : : : 通用视觉对话 MMBench V1.1 DEV 86.5 MMStar 70.1 RealWorldQA 76.1 AI2D 84.7 光学符号识别/文档理解 OCRBench 907 TextVQA 85.1 DocVQA 96.0 ChartQA 88.3 CharXiv dq/rq 83.9/54.3 视觉学科能力 MMMU 65.2 MMMU Pro 52.6 MathVista 75.0 目标定位/计数 RefCOCO avg 90.6 ODinW 13 51.5 CountBench 96.1 Point Bench 65.4 多图 BLINK 63.3 MUIRBench 61.6 视频理解 MVBench 74.0 VideoMME (w/o sub) 68.0 MLVU 76.9 语言能力 MMLU Pro 78.2 MMLU Redux 87.3 GPQA Diamond 65.2 C Eval 83.2 AIME25 36.5 Math 500 89.4 LiveCodeBenchV6 24.6 MBPP+ 68.5 IFEval 83.0 注： 评测使用 vllm ascend部署推理，系统prompt为空 。一般而言，图片最…
We use cookies for essential functionality and analytics. You can accept or reject analytics cookies.Cookie policy