AI视觉能力13项评估指标平均得分
高于OpenAI GPT-5 mini
在编码基准测试中也领先谷歌Gemma4
LG AI研究院于9日公开了可同时理解和推理文本与图像的多模态人工智能模型“Exaone 4.5”。
“Exaone 4.5”是在LG AI研究院于2021年12月开发出国内首个多模态人工智能模型“Exaone 1.0”并积累的技术实力基础上,将视觉编码器与大型语言模型(Large Language Model,LLM)整合为单一结构而打造的视觉-语言模型(Vision-Language Model,VLM)。
LG AI研究院计划在今年8月项目第二阶段结束后,如第三阶段推进最终敲定,将正式启动模态扩展。其最终目标是把Exaone从只理解虚拟环境的发展方向,升级为能够理解和判断物理世界的“物理智能”。
“Exaone 4.5”在准确阅读和推理合同、技术图纸、财务报表、扫描文档等产业现场实际处理的复合文档方面具有优势。在衡量STEM(科学·技术·工程·数学)性能的5个指标中,其平均得分为77.3分,超过了美国OpenAI的GPT5-mini(73.5分)、Anthropic Claude Sonnet 4.5(74.6分)以及中国阿里巴巴Qwen3 235B(77.0分)。
尤其是在代表编码性能的指标LiveCodeBench v6中,其得分为81.4分,超越了谷歌的最新模型Gemma4(80.0分);在评估分析和推理复杂图表能力的ChartQA Pro中,其得分为62.2分,与同级别模型对比中证明了其全球竞争力。
LG AI研究院相关负责人表示:“在视觉能力评估指标中取得较高平均分,意味着该模型不仅仅停留在识别文档中文字或非结构化数据的水平,还具备把握语境并回答问题的理解能力。”
“Exaone 4.5”在效率方面也展现出值得关注的成果。“Exaone 4.5”的参数规模为330亿个(33B),仅为去年年底公开的“K-Exaone”约七分之一,但在文本理解及推理领域却实现了同等水平的性能。这得益于LG AI研究院自主开发的混合注意力结构以及基于多Token预测的高速推理技术。
LG AI研究院Exaone实验室负责人Lee Jinsik表示:“Exaone 4.5是一个展示LG AI已经进入超越文本、能够理解视觉信息的多模态时代的模型”,并称“以本次模型为起点,我们将把AI的理解范围扩展至语音、视频以及物理环境,打造能够在产业现场进行实质性判断和行动的AI”。
当天,LG AI研究院还将“Exaone 4.5”在全球开源平台Hugging Face上公开,用于研究、学术和教育目的。
版权所有 © 阿视亚经济。未经许可不得转载,禁止用于AI训练及使用。