Molmo 一个开源的先进多模态人工智能模型，旨在提高开放系统在性能上与专有系统（如商业模型）之间的竞争力，特别是在学术标准和人类评估方面的表现。Molmo 模型在性能上优于体积大十倍的其他模型。 Molmo基于Qwen2-72B，使用OpenAI的CLIP作为视觉骨干，增强了模型处理图像和文本的能力。 Molmo 的目标是突破当前多模态模型的局限，这些模型通常只是将多模态数据（如图像和文本）转化为自然语言。Molmo 通过引入指向功能，使模型能够更深入地与物理和虚拟环境互动，从而支持更复杂的应用场景，…