--- title: TRIP-27B canonical_url: "https://www.modelscope.cn/models/TLabFineTuning/TRIP-27B" md_url: "https://www.modelscope.cn/models/TLabFineTuning/TRIP-27B.md" repository: TLabFineTuning/TRIP-27B last_updated: 2026-09-20 pipeline_tag: image-text-to-text tasks: - image-text-to-text downloads: 0 stars: 0 --- # TRIP-27B > TRIP-27B - TLabFineTuning 在 ModelScope 开源的模型。非思考直答协议下的正式面板对比与工程性分析 - **Repository**: TLabFineTuning/TRIP-27B - **Tasks**: image-text-to-text - **Downloads**: 0 - **Stars**: 0 - **Last updated**: 2026-09-20 Source: https://www.modelscope.cn/models/TLabFineTuning/TRIP-27B --- # TRIP-27B 交通评测报告 **非思考直答协议下的正式面板对比与工程性分析** - 评测对象：TRIP-27B - 评测题集：TRIP-Evaluate 正式题库 897 题 - 评测日期：2026年9月19日 - TRIP-Evaluate Project 2026-09-19 --- ## 一、评测概述与口径 受评对象为 TRIP-27B 模型。评测在 TRIP-Evaluate 897 题正式题库（文本 596、图像 198、点云 103）上全量进行，采用**非思考直答协议**：温度 0、8-token 答案预算、enable_thinking=false，由项目正式运行器逐题审计记录，运行前冻结协议、运行中未作调整。该口径度量低延迟生产形态下的能力，与项目思考协议面板不直接比较大小。 ## 二、评测结果 897 题全部作答，0 次 API 错误，答案规约合规率 100%；总体准确率 **75.14%**（表1）。文本与图像分别达 83.22% 与 73.23%；点云 32.04%。分维度看：出行者端 90.05% 最高，车辆端 67.12% 最低；逻辑推理 87.44% 最强，数值计算 59.62% 最弱；困难题 55.25%，低于简单与中等题。 **表1 分模态准确率** | 模态 | 题数 | 正确 | 准确率 | |------|------|------|--------| | 文本 | 596 | 496 | 83.22% | | 图像 | 198 | 145 | 73.23% | | 点云 | 103 | 33 | 32.04% | | **总体** | **897** | **674** | **75.14%** | 运行情况：单题平均时延 0.54 秒（p95 为 0.99 秒），897 题净评测 9.6 分钟；输入 35.9 万、输出仅 1,794 个 token，全量成本按同类挂牌单价估算约 0.3 元。 ## 三、与正式面板对比 表2 汇总项目正式面板全部模型：前沿模型的总体/图像/点云为 897 题多模态口径；GLM-5.2、DeepSeek V4 Pro、Tencent HY3 仅完成共同 596 题文本面板，缺失项以 `---` 标注。前沿模型为思考协议、本地开源为本地量化部署、本模型为 API 直答协议，各协议不直接比较大小，仅作工程定位参照。 **表2 正式面板全部模型准确率对比（%）** | 模型 | 组别 | 总体 | 文本 | 图像 | 点云 | |------|------|------|------|------|------| | GPT-5.5 | 前沿·思考 | 82.94 | 93.12 | 77.27 | 34.95 | | Gemini 3.5 Flash | 前沿·思考 | 82.72 | 90.44 | 83.84 | 35.92 | | Grok-4.5 | 前沿·思考 | 81.05 | 91.78 | 75.76 | 29.13 | | Qwen3.7 Plus | 前沿·思考 | 79.49 | 89.93 | 71.21 | 34.95 | | **TRIP-27B** | **API·直答** | **75.14** | **83.22** | **73.23** | **32.04** | | Qwen3.5-27B | API·直答 | 74.80 | 82.72 | 72.22 | 33.98 | | Qwen3-VL 32B NF4 | 本地开源 | 74.36 | 81.38 | 71.21 | 39.81 | | Qwen3-VL 8B NF4 | 本地开源 | 69.45 | 75.67 | 64.65 | 42.72 | | Qwen3-VL 4B NF4 | 本地开源 | 68.12 | 75.67 | 64.14 | 32.04 | | Gemma 3 27B NF4 | 本地开源 | 66.78 | 73.49 | 56.06 | 48.54 | | InternVL3.5 8B NF4 | 本地开源 | 64.66 | 75.34 | 60.10 | 11.65 | | Gemma 3 4B NF4 | 本地开源 | 59.20 | 66.28 | 47.47 | 40.78 | | GLM-5.2 | 前沿·文本 | --- | 91.11 | --- | --- | | DeepSeek V4 Pro | 前沿·文本 | --- | 89.60 | --- | --- | | Tencent HY3 | 前沿·文本 | --- | 88.93 | --- | --- | 在不开启思考的前提下，其文本与图像成绩均高于全部 6 个本地开源量化模型，图像还超过开启思考的 Qwen3.7 Plus（73.23% 对 71.21%）。点云题对所有受测模型都普遍困难，面板内各模型点云准确率介于 11.65%--48.54%，均明显低于其文本与图像成绩，本模型 32.04% 处于同一偏低区间。 ## 四、工程性分析 在项目已测的 6 个本地可部署开源模型中，TRIP-27B 的准确率整体较高：总体 75.14%、文本 83.22%、图像 73.23%，均超过本地开源组成绩领先的 Qwen3-VL 32B NF4 与同参数量的 Qwen3.5-27B。对需要在本地或私有环境部署交通领域模型的场景，它在规模可控与能力足够之间取得了较好的平衡。