总参数量 8B，视觉、语音和多模态流式能力达到了 GPT-4o-202405 级别，是开源社区中模态支持最丰富、性能 ... 8B 0 43.9 33.8 45.4 23.9 4 63.6 60.5 65.5 50.1 8 64.6 63.4 68.2 51.4 * 使用 Flamingo 方式 zero image shot 和 two additional text shots 评估零样本性能 ...