OCRRouter

Qwen2-VL

Qwen2-VL е второто семейство vision-language модели на Alibaba Qwen, което чете изображения с всякаква резолюция и текст на много езици.

Версия на Qwen-VL. Други версии: Qwen3-VL, Qwen2.5-VL.

Издаден
29 август 2024 г.
ID на модела
Qwen/Qwen2-VL-2B-Instruct, Qwen/Qwen2-VL-7B-Instruct, Qwen/Qwen2-VL-72B-Instruct
Размер
2B, 7B и 72B
Лиценз
Apache-2.0 for 2B and 7B. 72B was first offered only through an API
Търси се и като
qwen2-vl, qwen2 vl, Qwen2-VL-7B-Instruct

Какво е новото в Qwen2-VL

Бенчмаркове на Qwen2-VL

БенчмаркРезултатБележка
DocVQA (test)94.5Qwen2-VL-7B. InternVL2-8B: 91,6
TextVQA (val)84.3Qwen2-VL-7B
OCRBench845Qwen2-VL-7B. GPT-4o-mini: 785
InfoVQA (test)76.5Qwen2-VL-7B

Резултати по данни на авторите. Не сме ги проверявали повторно.

Използвайте Qwen2-VL през API

OCRRouter предлага друга версия на Qwen-VL като qwen/qwen-vl.

Версии на Qwen-VL

Въпроси

Източници

Последна актуализация .