AI2 推出了 Molmo 完全开源的多模态LLM。

他们这个图片标注的功能非常好，不止可以语言描述位置和数量还会在图片上标出来。

在学术基准和人类评估上几乎达到了 GPT-4V 的性能。

发布的模型包括MolmoE-1B、Molmo-7B-O、Molmo-7B-D、Molmo-72B。

同时还会开源他们的多模态训练数据集 PixMo。