感知类总榜单，是将各项感知任务综合起来的总评分，显示是BLIP-2最高： 

认知类总榜单，则是各种涉及认知类任务的榜单，加起来是MiniGPT-4最高：

 

一、LLaVA-1.5（浙大实验室》：LLaVA

二、ImageBind：（meta)

https://imagebind.metademolab.com/

https://dl.fbaipublicfiles.com/imagebind/imagebind_final.pdf

https://ai.facebook.com/blog/imagebind-six-modalities-binding-ai/

https://github.com/facebookresearch/ImageBind

三、Yi-VL  (零一万物）

[1]https://huggingface.co/01-ai

[2]https://www.modelscope.cn/organization/01ai

四、isualGLM-6B（智普AI）：ChatGLM-6B 是一个开源的、支持中英双语的对话语言模型，基于 General Language Model (GLM) 架构，具有 62 亿参数。结合模型量化技术，用户可以在消费级的显卡上进行本地部署（INT4 量化级别下最低只需 6GB 显存）。

GitHub - THUDM/VisualGLM-6B: Chinese and English multimodal conversational language model | 多模态中英双语对话语言模型