📌 📄 内容摘要:
Gordon (@Gordon1) 在 发现了一个MIMO的用途 中发帖
需求是把非常杂乱的一张手填的表格照片汇总录入一个excel, 直接让gpt 5.5 和opus 4.6 做, 识别效果很差, 有些手写确实难,我自己看的都费劲.
想到了小米送的tokenplan, 印象中momi v2.5 的MMMU-Pro 得分比较高(后来核实了一下 88.5, 作为参考 gemini 3 pro 是86), 于是让codex 做了个工具, 调用mimo v2.5, 完成图像理解并输出, 然后用脚本拼成目标excel.
接着这个思路, 在图片理解相关领域都可以平替Gemini 因为我只有学生pro, gemini cli太不稳定, 也没有api方便. 后续codex在开发前端的时候可以利用mimo的视觉能力判断页面是否符合预期. gpt 调用snapshot->保存图片->写预期prompt → 通过脚本调用mimo v2.5 ->判断图片是否符合预期并给出评...
────────── 链接信息 ──────────
🔗 论坛链接: linux.do
📎 访问地址: https://linux.do/t/topic/2087125/1
─────────────────────────────
📢 来源：LINUX DO
