更高清图像的精确理解、更高质量的训练数据、更强的图像解析推理能力，还能结合图像推理和生成，香港中文大学终身教授贾佳亚团队提出的这款多模态模型Mini-Gemini堪称绝绝子，相当于开源社区的GPT4+DALLE3的王炸组合！

Mini-Gemini还提供了2B小杯到34B的超大杯，最强模型在多个指标上相比Google Gemini Pro甚至GPT-4V都不遑多让。目前，Mini-Gemini从代码、模型到数据已全部开源，登上了PaperWithCode热榜。

Mini-Gemini线上Demo也已发布，Mini-Gemini Demo放出后受到广大网友关注，一番“品尝”后，他们认为Mini-Gemini跟商业模型差不了多少！

目前，绝大多数多模态模型仅支持低分辨率图像输入和文字输出，而在实际场景中，许多任务都需要对高清图像进行解析，并用图像的形式进行展现。

Mini-Gemini不仅能够根据图片对做面包的过程进行手把手教学，也能够准确将不同电脑品种根据图片中的各种参数进行对比。网友表示：妈妈再也不用担心我的生活了。

更重要的是，Mini-Gemini在保留超强的图像理解和推理能力的同时，还解锁了图像的生成能力，就如同ChatGPT和生成模型的结合。

当我们把相似的输入给到Mini-Gemini，可以发现，Mini-Gemini也可以识别出图片中的元素，并且合理地建议，同时生成了一只对应的毛线小熊。

高清复杂的多图表理解和归纳对Mini-Gemini来说也是小菜一碟，Mini-Gemini直接秒变打工人效率提升的超级外挂。