Model

Grok-1.5V

xAI
专有 Proprietary 多模态

A multimodal model capable of processing text and visual information, including documents, diagrams, charts, screenshots, and photographs. Notable for strong real-world spatial understanding capabilities.

发布日期2024年4月12日
参数规模
上下文长度
许可证Proprietary
知识截止

Benchmarks

评测成绩

评测基准 类别 分数 来源
AI2D vision reasoning multimodal 88.3 来源
DocVQA vision multimodal 85.6 来源
TextVQA vision multimodal image-to-text 78.1 来源
ChartQA reasoning vision multimodal 76.1 来源
RealWorldQA vision spatial_reasoning 68.7 来源
MMMU multimodal reasoning general 53.6 来源
MathVista math vision multimodal 52.8 来源

Pricing

API 价格对比

暂无 API 价格。