moonshot-v1-vision-preview - 月之暗面推出的多模态图片理解模型

moonshot-v1-vision-preview是什么

moonshot-v1-vision-preview 是月之暗面推出的多模态图片理解模型，把 moonshot-v1 模型系列的多模态能力补齐了。它的图像识别很强，复杂细节也能分得清，比如长相接近的蓝莓松饼和吉娃娃。文字识别同样在行，潦草的手写收据单、快递单都能准确读出来。moonshot-v1-vision-preview 还能分析图里的数据，例如柱状图的科目成绩，还可以从美学角度评价图表。模型走 API 调用，支持多轮对话、流式输出这些特性。

moonshot-v1-vision-preview的主要功能

• 图像识别：图像里的复杂细节和细微差别都能识别，换成相似度很高、人眼都难分的对象（比如蓝莓松饼和吉娃娃）也一样能精确区分。
• OCR文字识别能力：OCR 文字识别和图像理解是它的强项，比普通文件扫描和 OCR 识别软件更准。收据单、快递单上潦草的手写内容也能识别，文字信息提取得准。
• 图像数据提取与分析：图像里的数据信息能准确读出来，比如柱状图中的科目名称、分数数值，再拿来做数据对比分析。图像的样式格式、颜色这些美学元素也能识别，从美学角度给出评价。
• API调用：通过 API 调用，用户可以把模型集成进自己的应用。

moonshot-v1-vision-preview的项目地址

• 项目官网：https://platform.moonshot.cn/docs/guide/use-kimi-vision-model
• 产品体验：Kimi智能助手

moonshot-v1-vision-preview的使用说明

• 模型现在支持这些特性：多轮对话，流式输出，工具调用，JSON Mode，Partial Mode
• 以下功能暂未支持或部分支持
  • 联网搜索：不支持
  • Context Caching：带图片内容的 Context Cache 没法创建；已经创建好的 Cache 拿来调用 Vision 模型是可以的
  • URL 格式的图片：目前不支持，图片只接受 base64 编码的内容。

moonshot-v1-vision-preview的模型定价

• 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的应用场景

• 内容审核与分类：图像内容可以自动识别和分类，电商平台的商品管理、科研教育里的动植物识别、平台内容审核都用得上。
• 文档与数据处理：文档和表格里的文字信息能高效提取，合同、发票这类文档处理，成绩表、财务报表这类数据分析都适合。
• 医学与工业应用：可以辅助分析医学影像，让诊断更准；也能做工业产品缺陷检测，把生产质量提上去。
• 智能交互服务：智能客服、教育辅助、智能家居这些领域，可以靠多模态交互把服务做得更聪明、更省事。
• 美学与设计评估：从美学角度分析图像，给广告和网页设计提改进建议，艺术创作也能拿它参考，视觉效果更好。