看到新闻格灵深瞳公司基于Unicom的深瞳灵感-7B多模态大模型在业界同等规模的VLM模型中居世界领先地位，已经优于业界普遍使用的OpenAICLIP和谷歌SigLIP。请问该情况是否属实？公司目前自研开发的多模态大模型进展如何？是否已经开始进行公开开放落地使用？谢谢

答格灵深瞳：2025-02-21 11:30:34

尊敬的投资人，您好！公司自研的视觉大模型Unicom采用VisionTransformer的网络架构在10亿量级图像数据上预训练，学术评测超过CLIP和SigLIP，实验结果已经公布在计算机视觉会议ECCV2024相关论文上，模型已经开源github.com/deepglint/unicom。结合公司自研的视觉大模型Unicom和开源大语言模型，深瞳灵感-7B多模态大模型在具身问答（EmbodiedQuestionAnswering）任务和引用表达分割（ReferringExpressionSegmentation）任务中，与业界同等规模的VLM模型相比居世界领先地位。公司目前主要服务政企客户，正在推动持续研发的多模态大模型逐步落地应用，如需测试可通过上述开源链接下载及部署。感谢您的关注！