国际权威评测平台OpenCompass最新公布全球多模态榜单，其中，由云从科技(688327)自主研发的从容大模型以80.7分的综合成绩登顶榜单。这一成绩不仅刷新了国内AI模型在国际多模态测评中的最高得分纪录，亦超越了谷歌、OpenAI等全球顶尖人工智能巨头，与商汤科技SenseNova（80.4分）、上海AI LAB InternVL（79.1分）等中国团队共同占据榜单前10名的半壁江山，展现了中国在通用人工智能领域的突破性进展。
据介绍，此次评测中，云从科技从容大模型展现了全方位技术优势。面对涵盖视觉感知、认知理解与跨领域应用的八大核心数据集，该模型在医学健康、数理逻辑、艺术设计等十余个专业领域表现突出。尤其在MMBench中文测试、高难度学科综合评测（MMMU）及高阶推理榜单（MMStar）中均拔得头筹，并在复杂场景文本识别（ocrbench）、开放域问答（MMVet）等关键场景中稳居全球前列，其综合能力较国际头部模型GPT-4.1领先近5分。
记者从云从科技获悉，该技术的突破缘于公司在多模态核心领域的持续深耕，从容大模型聚焦通用视觉语言理解与推理任务，通过三大核心领域（多模态对齐、高阶推理、长上下文建模）的突破性优化，构建起多项全球领先的技术壁垒。
在“多模态对齐”方面，从容大模型自建面向强化指令对齐的高质量基准数据集，覆盖了图文问答、多模态理解、多轮交互等任务场景，提升多模态理解与任务指令遵循的推理表现。
在“决策类人化”方面，从容大模型首创融合DPO（直接偏好优化）与GRPO（生成式奖励优化）的双重对齐技术，无需依赖奖励模型即可实现类人化推理决策，通过优化模型学习机制，从容大模型实现了更贴近人类思维的决策方式，在复杂问答与多轮交互中展现出更强的智能行为选择能力。
此外，在高效工程优化上，从容大模型重点攻克了4K高分辨率图像问答场景，面向多模态文档理解（OCR）对模型的图像编码器进行了结构优化，可处理高分辨率图像与文档（如合同、发票表格等），支持多模态文档的智能审查、智能解析、智能问答等任务；面对跨页文档分析、多轮对话等长文本场景，可精准追踪超过3万字的上下文逻辑。
在原生多模态推理上，从容大模型全面升级，面向多图、跨图场景的图文交错模式和原生视频模式，提供原生的多模态文档理解和多模态视频理解，可以实现跨图比较、图文组合推理、多图问答等复杂多模态任务，进而提升大模型的模型理解深度与广度。
目前，从容大模型已在金融、制造、政务等多个领域通过AI智能体实现规模化落地。例如，某银行基于该模型与云从科技合作打造风控合规案防智能平台，构建风控AI智能体，实现风险识别自动化和问责标准化，投诉数量压降50%以上；在电商领域，云从科技为正浩创新部署的智能客服平台，通过多模态对齐与知识库精准匹配，将问答准确率提升至95%，客服月均效率提高24%。
“技术创新最终要服务于社会价值。”云从科技联合创始人姚志强表示，团队将持续探索多模态技术的安全落地模式，以自主创新的AI基础设施，为全球智能化转型提供更高效、更包容的技术支撑。