Das Kimi-VL-Projekt ist ein großes Sprachmodell, das vom Kimi-Team im April 2025 veröffentlicht wurde. Es handelt sich um ein effizientes Open-Source-Mix aus Experten (MoE) und visuellem Sprachmodell (VLM), das fortgeschrittenes multimodales Denken, ein umfassendes Kontextverständnis und leistungsstarke Agentenfunktionen bietet. Die relevanten Papierergebnisse sindTechnischer Bericht zu Kimi-VL".
Dieses Tutorial verwendet Dual-Card-RTX-4090-Ressourcen.
👉 Das Projekt bietet zwei Modellmodelle:
Kimi-VL-A3B-Instruct: Geeignet für den Einsatz in multimodaler Wahrnehmung und Verständnis, OCR, langen Videos und langen Dokumenten, Videowahrnehmung und Agenten.
Kimi-VL-A3B-Denken: Geeignet für die Verwendung mit anspruchsvollen Texten und multimodalem Denken (z. B. Mathematik).
2. Projektbeispiele
3. Bedienungsschritte
1. Klicken Sie nach dem Starten des Containers auf die API-Adresse, um die Weboberfläche aufzurufen
Wenn „Modell“ nicht angezeigt wird, bedeutet dies, dass das Modell initialisiert wird. Da das Modell groß ist, warten Sie bitte etwa 1–2 Minuten und aktualisieren Sie die Seite.
2. Nachdem Sie die Webseite aufgerufen haben, können Sie ein Gespräch mit dem Modell beginnen
❗️Wichtige Anwendungstipps:
Die Antwortgeschwindigkeit ist im Kompaktmodus schneller.
Bei Verwendung des Detailmodus ist die Reaktionszeit länger, etwa drei bis fünf Minuten.
Anwendung
4. Diskussion
🖌️ Wenn Sie ein hochwertiges Projekt sehen, hinterlassen Sie bitte im Hintergrund eine Nachricht, um es weiterzuempfehlen! Darüber hinaus haben wir auch eine Tutorien-Austauschgruppe ins Leben gerufen. Willkommen, Freunde, scannen Sie den QR-Code und kommentieren Sie [SD-Tutorial], um der Gruppe beizutreten, verschiedene technische Probleme zu besprechen und Anwendungsergebnisse auszutauschen ↓
V. Zitationsinformationen
Dank an den Github-Benutzer xxxjjjyyy1 Für die Erstellung dieses Tutorials lauten die Projektreferenzinformationen wie folgt:
@misc{kimiteam2025kimivltechnicalreport,
title={{Kimi-VL} Technical Report},
author={Kimi Team and Angang Du and Bohong Yin and Bowei Xing and Bowen Qu and Bowen Wang and Cheng Chen and Chenlin Zhang and Chenzhuang Du and Chu Wei and Congcong Wang and Dehao Zhang and Dikang Du and Dongliang Wang and Enming Yuan and Enzhe Lu and Fang Li and Flood Sung and Guangda Wei and Guokun Lai and Han Zhu and Hao Ding and Hao Hu and Hao Yang and Hao Zhang and Haoning Wu and Haotian Yao and Haoyu Lu and Heng Wang and Hongcheng Gao and Huabin Zheng and Jiaming Li and Jianlin Su and Jianzhou Wang and Jiaqi Deng and Jiezhong Qiu and Jin Xie and Jinhong Wang and Jingyuan Liu and Junjie Yan and Kun Ouyang and Liang Chen and Lin Sui and Longhui Yu and Mengfan Dong and Mengnan Dong and Nuo Xu and Pengyu Cheng and Qizheng Gu and Runjie Zhou and Shaowei Liu and Sihan Cao and Tao Yu and Tianhui Song and Tongtong Bai and Wei Song and Weiran He and Weixiao Huang and Weixin Xu and Xiaokun Yuan and Xingcheng Yao and Xingzhe Wu and Xinxing Zu and Xinyu Zhou and Xinyuan Wang and Y. Charles and Yan Zhong and Yang Li and Yangyang Hu and Yanru Chen and Yejie Wang and Yibo Liu and Yibo Miao and Yidao Qin and Yimin Chen and Yiping Bao and Yiqin Wang and Yongsheng Kang and Yuanxin Liu and Yulun Du and Yuxin Wu and Yuzhi Wang and Yuzi Yan and Zaida Zhou and Zhaowei Li and Zhejun Jiang and Zheng Zhang and Zhilin Yang and Zhiqi Huang and Zihao Huang and Zijia Zhao and Ziwei Chen},
year={2025},
eprint={2504.07491},
archivePrefix={arXiv},
primaryClass={cs.CV},
url={https://arxiv.org/abs/2504.07491},
}
