编辑评分 100/100
网站简介
端到端训练的大型多模态模型，对标多模态GPT-4实现聊天推理 LLaVA是端到端训练的大型多模态大模型，通过整合视觉编码器与Vicuna大语言模型，复刻多模态GPT-4的能力逻辑。该模型在科学问答任务上取得了当前最高准确率，支持多模态对话交互与科学领域多模态推理，全量数据、代码与检查点仅面向研究开放，需遵循上游模型的许可协议。
核心功能
多模态聊天交互
支持结合图像输入的自然语言对话，可满足日常研究场景的多模态交互需求
科学问答推理
在科学领域问答任务上取得当前最优准确率，支持专业领域的多模态推理任务
端到端训练架构
采用端到端训练方案，整合视觉编码器与Vicuna，架构简洁训练流程清晰
开放研究资源
开放完整训练数据、代码与模型检查点，供科研人员开展二次研究开发
对齐GPT-4能力
模仿多模态GPT-4的能力逻辑，复刻其多模态交互的核心能力特性
使用指南
- 1
首先访问LLaVA官方站点
- 2
确认自身使用符合CLIP、LLaMA、Vicuna、GPT-4的相关许可协议要求
- 3
之后下载对应的数据、代码与模型检查点。研究人员可基于现有框架部署模型
- 4
根据研究需求进行微调
- 5
或直接调用模型完成多模态聊天、科学问答等研究任务。
优势亮点
端到端架构简洁易部署
对标多模态GPT-4能力逻辑
科学问答准确率业界领先
全量开放研究资源
编辑推荐
LLaVA是多模态大模型领域极具参考价值的开源研究项目，它验证了低成本复刻多模态GPT-4能力的可行性，在科学问答任务上的突出表现为领域科研提供了新的性能基准。项目全量开放研究资源，是多模态方向研究非常优质的基础模型。
常见问题
深度了解
LLaVA是一款端到端训练的开源大型多模态模型，由研究团队结合视觉编码器与Vicuna大语言模型开发，核心思路模仿多模态GPT-4的能力架构，主打多模态聊天与多模态推理能力。当前LLaVA在科学问答任务上已经取得了业界领先的最高准确率，为多模态大模型在科研领域的应用提供了新的可能。LLaVA全量开放训练数据、模型代码与检查点，所有资源仅允许用于研究用途，使用时需要遵守对应上游模型的原许可协议。LLaVA支持科研人员基于现有模型进行二次开发，探索多模态交互、科学领域推理等方向的更多研究可能性，是多模态大模型研究领域非常受欢迎的开源基础模型。
使用须知
定价: 以官网定价为准
价格和授权政策可能变化，请以官网最新信息为准
资料由中文导航编辑部整理并经健康检测核验，定期复查更新。
本页信息核对于 2026/10/10，收录信息以收录当日官网状态为准，如发现内容过期请通过下方反馈告知。
访问第三方网站时，请注意以下事项:
- 谨慎提供个人账号、密码和支付信息
- 下载文件前确认来源安全，警惕诱导性广告
- 涉及版权素材使用时，请核实授权范围
- 如遇网站无法访问或内容异常，可反馈给我们
帮助我们维护准确的收录数据，纠错会进入编辑复核队列
用过LLaVA？说说你的真实体验
你的点评会帮助更多人选型避坑——匿名发表，无需注册，30 秒即可完成
用户评价
还没有评分
成为第一个评价 LLaVA 的人
我的评分
随下方评论一并提交
热度数据
按站内点击统计0
站内总点击
#-
同类排名 / 1440 站
1
同类点击中位数