看看这张图中有几个房子？如果你回答3个，就和GPT-4V的答案一样。

但是最新开源的国产多模态模型CogVLM-17B，就能看出另有玄机。

甚至能区分在图中完整可见的有3个和部分可见的有1个。

CogVLM由清华和智谱AI合作开发，通讯作者为唐杰和丁铭，论文和开源代码已上传到GitHub。