用免费的 BambooNode ( https://bamboonode.dev ) 的 27B AutoThink 做了几轮自定义测试，共 41 题，答对 37 题 ： 简单图形： 3/3 网络照片、多图比较： 10/10 英文列车信息牌 OCR： 8/8 清晰中文图片： 12/12 ，包括繁体菜单、价格加总、地铁出口和道路方向 模糊压缩后的中文菜单： 4/8 ，主要错在小数字识别及后续计算 亮点 ：一次请求可处理多图、多问题；清晰中文 OCR 和表格对应表现不错。三图十题服务端约 392 ms ，但强制思考的中文十二题约 8.7 秒 。注意这是服务端耗时，不含网络传输。 短板 ：AutoThink 不保证纠错，出现过首次判断方向正确、思考后反而改错。不过错题置信度普遍较低，适合设置阈值回退，不能只看最终选项。 对比 Jev ：两者都面向结构化决策，但 StartLux 的看点是 开放权重、可本地部署、图文输入和按需思考 ；它基于 Qwen 多模态基座做决策后训练，视觉塔冻结，并非从零训练视觉模型。 一句话： 值得试的本地多模态决策模型，清晰图文表现好；低清票据、小字金额仍需 OCR 或人工兜底。以上仅为少量自选题，不是标准 benchmark。 1 个帖子 - 1 位参与者 阅读完整话题

  • 情报分类：技术学习与提效
  • 分类依据：内容涉及技术、AI、软件工具或工程实践
  • 信息来源：服务器 / LINUX DO - 最新话题
  • 发布时间：2026/10/16 20:54:04