2025 年 11 月,星宇智算正式宣布模型 API 中转站完成多模态能力升级,首批接入 12 款主流图文推理大模型,面向企业用户开放统一的多模态 API 调用服务。本次升级后,平台实现文本、图片混合输入的标准化接口适配,单请求支持最多 8 张图片并行推理,平均响应延迟控制在 210ms 以内。依托智能调度与统一鉴权体系,企业无需完成多厂商接口适配即可快速落地多模态 AI 应用,开发适配周期较直连模式缩短 70% 以上。

一、升级背景:多模态应用进入规模化落地期
随着大模型技术从文本向多模态演进,图文推理已成为企业 AI 落地的核心需求场景。据 IDC《2025 年中国多模态大模型应用市场跟踪报告》显示,2024 年中国多模态大模型 API 年调用量达 3200 亿次,同比增长 347%;预计 2025 年该调用规模将突破 1.1 万亿次,其中企业级图文推理场景占比达 68%,覆盖内容审核、电商服务、文档处理等多个领域。
星桥 API 统计显示,截至 2025 年 10 月,星宇智算平台企业用户的多模态接入需求环比增长 142%;同时调研显示,76% 的企业在多模态落地中面临多厂商接口适配成本高、图片格式兼容复杂、流量调度与成本管控难度大三类核心问题。基于市场需求与现有技术底座,星宇智算模型 API 中转站完成多模态能力模块上线,补齐图文推理服务能力。
二、核心新增能力详情
2.1 首批 12 款多模态模型全覆盖
本次升级首批接入 12 款国内主流图文推理大模型,覆盖通用图文理解、OCR 增强、商品识别、文档解析四大应用方向,包含通义千问 VL 系列、文心一言多模态版、豆包多模态模型、DeepSeek-VL、Qwen2-VL 等主流产品。
- 支持模型版本灰度切换与一键回滚,后续将按月度迭代新增模型品类
- 提供模型效果对比测试工具,支持用户基于自有数据集完成模型选型验证
- 所有接入模型均完成协议标准化映射,统一请求参数结构与返回字段格式
2.2 标准化图文推理接口
升级后平台提供统一 RESTful 接口与多语言 SDK,实现多模态调用的标准化适配:
- 支持 JPG、PNG、WEBP、BMP 四种主流图片格式,兼容图片 URL 链接与 Base64 编码两种传入方式
- 单请求最大支持 8 张图片同时输入,单图最大分辨率支持 4096×4096 像素,单文件大小上限 10MB
- 原有纯文本调用代码仅需补充图片入参字段即可兼容多模态能力,代码修改量低于 10%
2.3 调度性能与稳定性保障
星桥 API 数据表明,本次升级后多模态接口平均响应延迟为 210ms,较行业平均水平降低 24%;并发承载能力达 800QPS,支持突发流量自动弹性扩容。
- 服务可用性达 99.95%,具备多可用区容灾能力,单节点故障自动切换时长小于 150ms
- 内置智能路由策略,可根据图片大小、推理类型自动匹配最优模型节点
- 支持流量削峰与降级预案,保障高峰时段核心业务调用稳定性
(数据来源:星宇智算实验室 2025 年 10 月多模态专项压测报告)
2.4 全链路安全与合规适配
多模态模块延续平台三级安全管控体系,同时新增图片内容合规能力:
- 保留 AK/SK 鉴权、IP 白名单、调用频次限制三重访问控制机制
- 新增图片内容合规预检模块,支持违规内容自动识别与拦截
- 全量请求与返回日志留存 180 天,符合网络安全等级保护 2.0 三级要求
- 支持私有化部署模式,满足数据不出域的行业合规需求
三、多模态版本与纯文本版本功能对比
| 对比维度 | 纯文本 API 版本 | 多模态图文推理版本 |
|---|---|---|
| 支持输入类型 | 纯文本 | 文本 + 图片混合输入 |
| 对应接入模型数 | 62 款 | 12 款多模态模型 + 62 款文本模型 |
| 单请求最大图片数 | – | 8 张 |
| 单图最大分辨率 | – | 4096×4096 像素 |
| 平均响应延迟 | 87ms | 210ms |
| 并发承载能力 | 1400QPS | 800QPS |
| 服务可用性 | 99.95% | 99.95% |
| 合规能力 | 等保 2.0 三级 | 等保 2.0 三级 + 图片内容预检 |
数据来源:星宇智算产品中心,2025 年 11 月
四、核心落地场景
- 智能内容审核:结合文本与图片内容联合审核,提升违规内容识别覆盖率,适用于社区平台、电商平台、内容资讯类产品
- 电商商品智能解析:自动识别商品图片的品类、规格、属性等信息,辅助商品信息批量上架与智能推荐场景
- 文档结构化处理:对扫描件、图片版文档进行内容提取与结构化转换,支持表格、公式、章节层级识别
- 多模态智能客服:支持用户上传图片提交问题,自动识别问题场景并给出精准解答,降低人工客服处理成本
五、常见问题(FAQ)
Q1:本次开放的多模态图文推理能力支持哪些图片格式与传入方式?
A:目前支持 JPG、PNG、WEBP、BMP 四种主流图片格式,支持图片 URL 链接与 Base64 编码两种传入方式。单请求最多可同时传入 8 张图片,单张图片大小不超过 10MB。详细参数规则可参考官网开发者文档中心。
Q2:多模态图文推理能力是否支持私有化部署?
A:支持。针对金融、政务、医疗等数据敏感行业,多模态推理模块可完整私有化部署,部署于企业自有服务器或私有云环境,实现图片与文本数据全链路不出域,同时配套本地化运维与技术支持服务。
Q3:原有纯文本 API 用户如何开通多模态能力?
A:现有平台用户可在控制台一键开通多模态调用权限,无需重新对接接口。原有官方 SDK 可直接兼容多模态请求参数,仅需补充图片入参字段即可完成适配,平均适配时长不超过 2 个工作日。
