近日，國家互聯(lián)網(wǎng)信息辦公室公布第十四批深度合成服務(wù)算法備案信息，瑞為技術(shù)自研的“Reconova QTune瑞為蜻豚視覺大模型算法”成功入選，正式獲得國家級(jí)算法備案資質(zhì)。

蜻豚視覺大模型是以通用視覺語義理解為核心，融合異構(gòu)傳感器輸入與動(dòng)態(tài)專家路由架構(gòu)，解決復(fù)雜場(chǎng)景下的感知與認(rèn)知決策問題，目前已成功應(yīng)用于曉蟻行李轉(zhuǎn)運(yùn)機(jī)器人、曉瑞旅服機(jī)器人等實(shí)體場(chǎng)景。

2025年，蜻豚視覺大模型在全球權(quán)威評(píng)測(cè)平臺(tái)OpenCompass輕量級(jí)模型（參數(shù)量<4B）中位列第四，在精度與效率的平衡上達(dá)到領(lǐng)先水平。

構(gòu)建全棧技術(shù)閉環(huán)，重塑視覺認(rèn)知邊界

瑞為蜻豚視覺大模型基于“感知-理解-規(guī)劃”一體化架構(gòu)，通過多項(xiàng)關(guān)鍵技術(shù)實(shí)現(xiàn)視覺能力系統(tǒng)升級(jí)：

全棧訓(xùn)練架構(gòu)

支持預(yù)訓(xùn)練、有監(jiān)督微調(diào)（SFT）到強(qiáng)化學(xué)習(xí)偏好優(yōu)化（RLHF/GSPO）的全流程訓(xùn)練，結(jié)合混合精度訓(xùn)練與參數(shù)高效微調(diào)技術(shù)（LoRA/QLoRA），降低算力需求。

采用Encoder動(dòng)態(tài)平鋪與Token智能壓縮，兼容多源數(shù)據(jù)與長視頻理解，結(jié)合視覺強(qiáng)化微調(diào)（RFT）提升模型泛化與跨任務(wù)遷移能力，適配多場(chǎng)景部署。

高效推理引擎

基于混合專家（MoE）架構(gòu)，實(shí)現(xiàn)動(dòng)態(tài)專家路由，平衡精度與效率。

通過分層量化與蒸餾技術(shù)，將10B級(jí)模型壓縮為輕量化版本，并借助匯編級(jí)指令優(yōu)化，支持端側(cè)低功耗運(yùn)行。

集成檢索增強(qiáng)（RAG）技術(shù)，接入實(shí)時(shí)知識(shí)圖譜，構(gòu)建端到端推理閉環(huán)，實(shí)現(xiàn)從感知到自主任務(wù)規(guī)劃，推動(dòng)模型向高效可用化演進(jìn)，助力交通、商業(yè)等場(chǎng)景普惠應(yīng)用。

深耕場(chǎng)景化落地，驅(qū)動(dòng)產(chǎn)業(yè)智能化變革

瑞為蜻豚視覺大模型已在實(shí)際業(yè)務(wù)場(chǎng)景中驗(yàn)證其價(jià)值，包括曉蟻行李轉(zhuǎn)運(yùn)機(jī)器人通過多模態(tài)感知與動(dòng)態(tài)路徑規(guī)劃，實(shí)現(xiàn)機(jī)場(chǎng)行李轉(zhuǎn)運(yùn)的全程自動(dòng)化；曉瑞旅服機(jī)器人依托長視頻語義解析與意圖理解能力，為旅客提供精準(zhǔn)的導(dǎo)引與問答服務(wù)。

這些應(yīng)用不僅體現(xiàn)了模型在復(fù)雜環(huán)境中的魯棒性，更彰顯瑞為技術(shù)“技術(shù)-場(chǎng)景-產(chǎn)業(yè)”深度融合的落地策略。

未來，瑞為技術(shù)將繼續(xù)以“通用視覺語義理解”為核心，聯(lián)合產(chǎn)業(yè)伙伴共建開放生態(tài)，推動(dòng)視覺大模型在更多垂直領(lǐng)域行業(yè)和場(chǎng)景的應(yīng)用，助力中國人工智能的高質(zhì)量發(fā)展，以人工智能構(gòu)建更美好社會(huì)生活。