图像转文字
Falcon 2 11B VLM 具备视觉到语言能力,可以将图像和视觉输入直接转换为文本输出,其是目前顶级市场中唯一具备该能力的模型。
拖动滑块完成拼图,通过后发送验证码
独立第三方 AI 评测平台 · 只用实测数据
TII 推出的开源多语言大模型系列,含图像转文字的多模态版本。
Falcon 2 是阿联酋技术创新研究院(TII)发布的开源大模型系列,目前包含 Falcon 2 11B 和 Falcon 2 11B VLM 两个版本。11B 版本在 5.5 trillion tokens 上训练,参数规模 11 billion,支持英语、法语、西班牙语、德语、葡萄牙语等多种语言。11B VLM 具备图像转文字能力,是 TII 首个多模态模型。据 Hugging Face 评测,Falcon 2 11B 平均性能为 64.28,与 Google Gemma 7B 的 64.29 几乎持平,并超过 Meta Llama 3 8B。两个模型均以开源方式发布,可在单张 GPU 上运行。短板在于目前仅有 11B 一个尺寸,Mixture of Experts 等能力尚在规划中。
Falcon 2 由阿联酋技术创新研究院(TII)开发,是 Falcon 系列的最新一代开源大语言模型。它面向全球开发者和企业,提供可自由集成、部署和商用的模型权重,官方将其定位为开源、多语言、多模态的模型系列。
当前 Falcon 2 系列包含两个版本:Falcon 2 11B 和 Falcon 2 11B VLM。11B 是一个在 5.5 trillion tokens 上训练、拥有 11 billion 参数的高效语言模型;11B VLM 则在此基础上增加了视觉到语言(vision-to-language)能力,可以把图像输入直接转换为文本输出。两个模型都支持多语言,其中 11B VLM 是 TII 首个多模态模型。
对于普通用户,可以通过官方提供的试用入口直接体验模型效果。对于开发者,模型以开源形式发布,允许无限制地集成到自己的应用、内部工具或对外服务中,也可以部署在自有或租用的基础设施上。对于企业团队,模型可在单张 GPU 上高效运行,因此能较容易地部署到笔记本电脑等轻量设备或边缘基础设施中。
Falcon 2 11B VLM 具备视觉到语言能力,可以将图像和视觉输入直接转换为文本输出,其是目前顶级市场中唯一具备该能力的模型。
Falcon 2 11B 系列支持英语、法语、西班牙语、德语、葡萄牙语等多种语言,可处理跨语言的文本任务。
模型以 TII Falcon License 2.0 发布,这是一份基于 Apache 2.0 的宽松许可证,包含促进负责任使用 AI 的可接受使用政策,允许开发者自由集成与商用。
Falcon 2 11B 模型可以仅在一张图形处理器(GPU)上高效运行,具备良好的可扩展性,便于部署到笔记本电脑等轻量设备或边缘基础设施中。
Falcon 2 11B 拥有 11 billion 参数,在 5.5 trillion tokens 上训练,其为更高效、更易获取的大语言模型。
根据官方许可说明,公司和开发者可以将模型集成到自己的应用与服务中,并在自有或租用的基础设施上托管,也可在内部工具中使用。
许可允许开发者和公司在模型基础上构建新应用,例如聊天机器人,并将其作为付费服务通过专用平台或 API 提供给用户。
需要可自由集成、可商用的开源大模型,用于构建聊天机器人、内部工具或对外服务的开发者。
需要处理英语、法语、西班牙语、德语、葡萄牙语等多种语言文本的产品或研究团队。
需要把图像转换为文本,例如文档管理、数字存档、无障碍辅助等场景的开发者,可关注 11B VLM 版本。
模型可在单张 GPU 上运行,适合算力预算有限、希望在轻量设备上本地部署的用户。
当前 Falcon 2 系列只有 11B 尺寸,如果业务需要更大参数规模或更强复杂推理能力,可能不够用。
| 指标 | 数值 | 数据来源 |
|---|---|---|
| 参数规模 | 11 billion | 官方页面 |
| 训练数据量 | 5.5 trillion tokens | 官方页面 |
| 平均性能得分 | 64.28 | Hugging Face 评测(官方引用) |
| Gemma 7B 平均性能得分 | 64.29 | Hugging Face 评测(官方引用) |
| 与 Gemma 7B 性能差距 | 0.01 | Hugging Face 评测(官方引用) |
官网未公开具体价格。Falcon 2 以开源方式发布,采用 TII Falcon License 2.0,这是一份基于 Apache 2.0 的宽松软件许可证,允许开发者无限制地集成和使用。如果需要共享实例形式的推理或微调 API 并对外收费,则需要另外获得许可。实际使用成本以官方页面为准。
目前 Falcon 2 系列包含两个版本:Falcon 2 11B 和 Falcon 2 11B VLM。11B 拥有 11 billion 参数,在 5.5 trillion tokens 上训练,是更高效、更易获取的语言模型;11B VLM 在此基础上增加了视觉到语言能力,可以把图像转换为文本,是 TII 首个多模态模型。
官方引用 Hugging Face 的评测称,Falcon 2 11B 的平均性能为 64.28,超过了拥有 8 billion 参数的 Meta Llama 3 8B,并与 Google Gemma 7B 的 64.29 几乎持平,差距仅 0.01。如果需要一个同时具备图像转文字能力的开源模型,Falcon 2 11B VLM 是强调的差异化选择;如果只看纯文本性能,两者处于相近水平。
官网未说明国内访问情况。已知的许可限制是:托管服务商不能将共享实例(包括推理 API 或微调 API)直接收费提供,这需要额外许可。除此之外,公司和开发者可以将模型集成到自有应用、内部工具中,并在自有或租用的基础设施上托管。具体地区的可用性请以官方页面为准。
Falcon 2 11B 模型可以在仅一张图形处理器(GPU)上高效运行,因此具备较高的可扩展性,也便于部署和集成到笔记本电脑等轻量设备以及其他设备中。具体硬件要求官网未公开详细配置,建议。
Falcon 2 11B 系列具备多语言能力,可以处理英语、法语、西班牙语、德语、葡萄牙语以及其他多种语言的任务。11B VLM 同样支持多语言,并能识别和解释环境中的图像与视觉内容。
可以。根据官方许可说明,许可允许公司和开发者基于模型构建新应用,例如聊天机器人,并将其作为付费服务通过专用平台或 API 提供给用户,也可以托管在自有或租用的基础设施上。不过,托管服务商若要以共享实例形式直接收费提供推理或微调 API,则需要获得专门许可。
| 工具 | 编辑评分 | 价格 | 核心功能 | 平台 |
|---|---|---|---|---|
| Falcon 2本工具 | 4.2 | 未标价 | 图像转文字;多语言支持;开源可商用;单 GPU 运行 | Web / API |
| Meta Llama 3本工具 | — | 未标价 | 评测称 Falcon 2 11B 性能超过 Llama 3 8B。 | — |
| Google Gemma 7B本工具 | — | 未标价 | 评测称 Falcon 2 11B 与其平均性能几乎持平,差距仅 0.01。 | — |
在纯文本性能上,Falcon 2 11B 官方引用的 Hugging Face 评测显示其平均性能 64.28,超过 Meta Llama 3 8B,并与 Google Gemma 7B 的 64.29 几乎持平。选择时可以这样看:如果需要一个同时具备图像转文字能力的开源模型,Falcon 2 11B VLM 是强调的差异化选项;如果只关注纯文本任务且性能相近,则可结合实际部署成本和生态支持来决定。