Multi-Modality-Arena

上传图片，并排对比多模态大模型谁更聪明

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署对话助手 🍴 复刻 39 🐛 待处理 24 👀 关注 6

GitHub ↗

GitHub 星标 ★ 566

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，可自行部署，无付费版本。

项目预览

Multi-Modality-Arena 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类对话助手

开发团队OpenGVLab

GitHubhttps://github.com/OpenGVLab/Multi-Modality-Arena

定价模式🏷️完全免费

价格说明开源项目，可自行部署，无付费版本。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

主要语言Python

技术栈/模型chat,chatbot,chatgpt,gradio,large-language-models,llms,multi-modality,vision-language-model,vqa

GitHub 星标★ 566

上线时间2023-05-10 00:00:00

代码更新2024-04-21

仓库体积22.0 MB

本站数据更新2026-11-08

维护状态低维护

收录时间2026-08-09

浏览次数1

项目介绍

Multi-Modality-Arena 是一个基于 Gradio 构建的多模态模型评测平台，灵感来自 Chatbot Arena，但专注于视觉-语言模型（VLM）。它允许用户并排比较不同模型的输出，并支持上传图片作为输入，以测试模型在视觉问答（VQA）等任务上的表现。项目内置了多种主流模型的接入，如 MiniGPT-4、LLaMA-Adapter V2、LLaVA、BLIP-2 等，用户无需复杂配置即可快速启动评测。其核心价值在于降低多模态模型对比的门槛，为研究者、开发者或爱好者提供一个直观、交互式的基准测试环境，帮助快速评估模型在真实图片输入下的能力差异。项目仍处于早期阶段，代码结构清晰，易于扩展新模型。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 566

技术标签

chat chatbot chatgpt gradio large-language-models

使用教程

难度：进阶约 50 分钟部署方式：本地安装 5 步

环境要求

NVIDIA 显卡
模型权重
conda 环境

安装与启动步骤

1建环境

多模态模型的横向评测平台，指定 Python 版本。
```
conda create -n arena python=3.10
```
2装基础依赖

先用最小集合跑通服务。
```
pip install numpy gradio uvicorn fastapi
```
3起调度端

调度端负责分发请求。
```
python controller.py
```
4挂一个模型

每个模型一个工作进程，指定设备。
```
python model_worker.py --model-name MODEL --device cuda
```
5起评测界面

浏览器里对比不同模型的回答。
```
python server_demo.py
```