moonshot-v1-vision-preview - Dark Side of the Moonによって打ち上げられたマルチモーダル画像理解モデル。

moonshot-v1-vision-previewとは何ですか？

moonshot-v1-vision-previewは、Moon's Dark Sideが開発したマルチモーダル画像理解モデルです。moonshot-v1モデルシリーズのマルチモーダル機能を強化し、強力な画像認識能力を備え、ブルーベリーマフィンとチワワのような類似した画像など、複雑な詳細を正確に識別します。テキスト認識においても優れた性能を発揮し、レシートや配送伝票などの判読困難な手書き文字を正確に認識します。moonshot-v1-vision-previewは、棒グラフの被験者スコアなど、画像内のデータを分析し、グラフを美的観点から評価できます。このモデルはAPIベースであり、複数ターン対話やストリーミング出力などの機能をサポートしています。

moonshot-v1-vision-previewの主な機能

• 画像認識このモデルは、ブルーベリーマフィンとチワワの写真のように、人間の目では区別が難しいほどよく似た物体であっても、画像内の複雑なディテールや微妙な違いを正確に識別します。それらを正確に区別し、認識することが可能です。
• OCRテキスト認識機能OCRによるテキスト認識と画像理解において優れた性能を発揮し、一般的な文書スキャンおよびOCR認識ソフトウェアよりも高い精度を実現します。領収書や宅配便の伝票など、判読困難な手書き文字も認識し、テキスト情報を正確に抽出できます。
• 画像データの抽出と分析画像内のデータ情報（棒グラフにおける被験者名やスコア値など）を正確に識別し、比較データ分析を実行します。また、画像スタイル、フォーマット、色などの美的要素も認識できるため、画像の美的評価も可能です。
• API呼び出しAPI呼び出しに基づいて、ユーザーはモデルを自身のアプリケーションに統合することができます。

moonshot-v1-vision-preview のプロジェクトアドレス

• プロジェクト公式サイト：https://platform.moonshot.cn/docs/guide/use-kimi-vision-model
• 製品体験キミ スマートアシスタント

moonshot-v1-vision-preview の使用方法

• このモデルがサポートする機能は以下のとおりです。複数ターン対話、ストリーミング出力、ツール呼び出し、JSONモード、部分モード
• 以下の機能は現在サポートされていないか、部分的にのみサポートされています。
  • インターネット検索サポートされていません
  • Context Caching画像コンテンツを含むコンテキストキャッシュの作成はサポートされていませんが、既に作成済みのキャッシュを使用してVisionモデルを呼び出すことはサポートされています。
  • URL形式の画像非対応です。現在サポートされているのは、base64でエンコードされた画像コンテンツのみです。

moonshot-v1-vision-previewモデルの価格設定

• moonshot-v1-8k-vision-preview：1M tokens ￥12.00
• moonshot-v1-32k-vision-preview：1M tokens ￥24.00
• moonshot-v1-128k-vision-preview：1M tokens ￥60.00

moonshot-v1-vision-preview の適用シナリオ

• コンテンツのモデレーションと分類画像コンテンツを自動的に識別・分類し、eコマースプラットフォームにおける商品管理、科学研究や教育における植物や動物の識別、プラットフォーム上のコンテンツレビューなどに適しています。
• 文書およびデータ処理文書や表からテキスト情報を効率的に抽出し、契約書や請求書などの文書処理、成績表や財務諸表のデータ分析に適しています。
• 医療および産業用途これは、医療画像解析を支援して診断精度を向上させたり、工業製品の欠陥検出を実施して生産品質を向上させたりすることができる。
• インテリジェントなインタラクティブサービスインテリジェントな顧客サービス、教育支援、スマートホームの分野において、当社はマルチモーダルなインタラクションに基づいた、よりインテリジェントで便利なサービスを提供します。
• 美観とデザインの評価画像を美的観点から分析することで、広告やウェブデザインの改善点が示唆され、芸術的な創作活動を支援し、視覚効果を高めることができる。