品玩12月6日讯，谷歌近日宣布推出一款名为 PaliGemma 2 大模型，这是其继 Gemma 2 之后的最新版开放式视觉语言模型。

PaliGemma 2 现在可为用户提供长字幕，该功能能够为图像生成 细的、与上下文相关的字幕，不仅仅是简单的物体识别，还能描述动作、情感和场景的整体叙述。PaliGemma 2 可用的模型尺寸包括 3B、10B 和 28B 参数，以及 224px、448px 和 896px 分辨率。此外还有 “准确地光学字符识别和理解文档中表格的结构和内容”。谷歌发现，PaliGemma 2 在化学公式识别、乐谱识别、空间推理和胸部 X 光报告生成方面性能领先。

谷歌表示，PaliGemma 2 的设计目的是 直接替代 使用原模型的用户。