全球首个超小型多模态ai agent模型octopus v3，来自斯坦福大学的nexa ai团队，让agent更加智能、快速、能耗及成本降低。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

今年四月份初，NEXA AI推出了备受瞩目的Octopus V2，该模型在函数调用性能上超越了GPT-4，减少了95%的推理时所需的文本量，为端侧AI应用带来了新的可能性。其专利性核心技术“functional token”通过创新的函数调用方式显著减少推理时所需的文本长度。

这种方法使得模型能够在只有20亿参数的情况下实现高效训练，并在精度和延迟方面超越了GPT-4，适应了各种端设备的部署需求。

自Octopus V2在LLM社区发布以来，受到了广泛关注，吸引了大量人工智能领域专家和研究者的赞赏，如Hugging Face的CTO Julien Chaumond、知名AI新闻通讯AI的创始人Rowan Cheung以及Figure AI的创始人Brett Adcock、OPPO边缘人工智能团队负责人Manoj Kumar等。他们被誉为“开创了端侧AI技术新纪元”。

在知名开源AI平台Hugging Face上，Octopus V2下载量已经超过12000次。

在不到一个月的时间里，NEXA AI团队发布下一代多模态AI Agent模型Octopus V3，展现进一步突破：具有图像处理和多语言文本处理能力，为智能手机等端侧设备真正走向AI时代铺平了道路。

首个参数量小于10亿的多模态AI Agent模型

Octopus+V3不仅拥有多模式能力，在函数调用性能上远超同类模型，可媲美GPT-4V+GPT4；而模型参数量不达10亿，具有多语言能力。

也就是说，相比传统的大型语言模型，它体积更小，能耗更低，能够更加轻松地在各种小型端设备上运行，比如树莓派，并做到高速且准确的函数调用。

这意味着，未来AI Agent能够广泛应用于智能手机、AR/VR、机器人、智能汽车等端侧设备，为用户交互体验更加流畅、智能。

另一方面，由于V3具有多模态处理能力，可同时处理文本和图像输入，再加上多语言能力，也将让用户体验更加丰富。

例如，在Instacart购物应用中，用户可以通过一张菠萝的图片及简单的对话指令，让AI Agent自动为他们搜索商品，提高了效率和用户的体验。

再比如，在发送邮件等场景中，Octopus V3可以根据一张具有文字的图像，自动提取信息并填写邮件内容，为用户提供更加智能、便捷的服务。

从软件交互到智能汽车，端侧AI潜力巨大

基于这些特性，Octopus V2及V3的应用场景丰富多样，具有广泛的应用前景。

易标AI

告别低效手工，迎接AI标书新时代！3分钟智能生成，行业唯一具备查重功能，自动避雷废标项

135 查看详情

除上文提到的手机场景，当Octopus V2应用在智能汽车上时，也能带来新的交互体验。目前的语音助手往往难以帮助车主完成较为复杂的任务，如在驾驶途中临时改变目的地、加入额外停靠点等。应用Octopus V3后，AI助手能够基于较为模糊简单的指令快速、精准地完成相应任务。

结合V2、V3的能力，从信息检索、到基于指令完成设计，用户可以在虚拟场景下获得流畅的AI体验：在一个社区用户的VR场景demo中，输入简单的语音指令后，AI Agent能够帮助用户快速完成一个客厅设计，在弹指间替换沙发、改变颜色灯光等。在用户输入旅行指令后，用户快速来到了日本，而AI Agent同样可以在简单的对话式交流中帮助用户搜索相应景点，提供丰富的信息。

数据显示，全球大型语言模型市场规模正在快速增长。Granview Research报告显示，全球大型语言模型市场规模估计为43.5亿美元，并预计从2025年到2030年的复合年增长率为35.9%。同样，边缘人工智能市场也呈现出蓬勃发展的势头——预计从2025年到2030年，全球边缘人工智能市场的复合年增长率为21.0%，到2030年将达到664.78亿美元。

NEXA AI团队由斯坦福大学的杰出研究人员创立。

创始人兼首席科学家Alex Chen（陈伟）正在攻读斯坦福大学的博士学位，拥有丰富的人工智能研究经验，并且曾担任斯坦福华人创业协会（Stanford Chinese Entrepreneurs Organization）的主席。

联合创始人兼首席技术官Zack Li（李志远）也是斯坦福大学的毕业生，并在Google和Amazon Lab126实验室拥有4年端侧AI的一线研发经验，同样曾经担任斯坦福华人创业协会的主席。

斯坦福大学副教授、斯坦福技术创业项目副主任Charles (Chuck) Eesley担任顾问，为团队提供指导和支持。

△左：李志远；右：陈伟

目前，NEXA AI的独创性技术已申请专利保护。

NEXA AI的创始团队表示，他们将继续致力于推动端侧AI技术的发展，通过开源模型提升其创新技术的影响力，为用户创造更智能、高效的未来生活。

论文地址：https://arxiv.org/abs/2404.11459

以上就是斯坦福20亿参数端测多模态AI Agent模型大升级，手机汽车机器人都能用的详细内容，更多请关注其它相关文章！

# 训练  # hugging face  # b12  # ai  # 多语言  # 首个  # 边缘  # 所需  # 进阶  # 省电  # 多模  # 斯坦福大学  # 斯坦福  # opus  # fig  # ai agent  # 开源  # 怪哉翻译网站建设需要  # 本地一站式营销推广费用  # 湖北媒体推广网站官网  # 营销网站推广策略是什么  # seo排名优化问题  # 黄山seo优化培训  # 烟台网站优化常识  # 网站营销型优化难点  # 黄石正规专业seo优化  # 市北自助建站网站优化 

相关栏目： 【 行业资讯67740 】 【 技术百科0 】 【 网络运营39195 】

相关推荐： 手机的nfc是什么功能是什么意思  typescript中如何引入本地js  爱奇艺视频怎么下载到手机u盘怎么转换格式方法  面包车收音机power是什么意思  市盈率为负数是什么意思  oppo手机nfc功能是什么意思  单片机计时程序怎么写  华为的type-c接口是什么接口  typescript怎么写call方法  域名批量查询工具有哪些  市盈率回落是什么意思  酷我音乐怎么改每日推荐 酷我音乐每日推荐修改方法  满射为什么没有逆映射  j*a数组逆序怎么写  bugly是什么  如何自己加装固态硬盘  如何查看固态硬盘分区  春运抢票可以抢几张  typescript为什么能运行  苹果16系统有哪些系列  学typescript有什么用  linux如何打开命令窗口  单片机怎么定义字符长度  sqlite中datediff函数怎么用 SQLite中DATEDIFF()函数的用法分享  cmd如何定时执行命令  typescript如何做项目  juice是什么意思  ai文件里无法找到链接文件怎么解决  typescript与es6学哪个  命令行如何打开文件  如何操作fixup命令  j*a里数组怎么赋值  如何知道固态硬盘  adb 命令如何后台运行  5G类似微信的聊天软件有哪些  单片机log怎么看  vue组件typescript怎么用  如何通过命令检测u盘启动  跨境电商gmv是什么意思?跨境电商GMV：理解其含义、计算方法和影响因素  如何查看固态硬盘速度  闪光灯power闪烁是什么意思  苹果16有哪些可以设置  如何检测固态硬盘温度  driver是什么意思  选哪个折叠屏手机好用  固态硬盘如何判断大小  solo交友软件怎么恢复聊天记录  光刻机的分类及其优缺点  8寸照片尺寸多少厘米  如何修改域名解析