传统计算机视觉模型通常针对单一任务训练，如只做人脸识别、只做OCR。卓科智造图像推出的多模态视觉大模型，能够同时理解图像内容和自然语言指令，实现"你问我答"式的视觉交互。
模型基于大规模图文对数据预训练，在通用视觉理解任务上达到业界领先水平。支持私有化部署，数据不出企业内网，保障业务安全。
卓科智造图像提供多模态视觉大模型的API调用和私有化部署两种服务模式，满足不同规模企业的需求。