Qwen2-VL
Qwen2-VL je druhá rodina vizuálně-jazykových modelů Alibaba Qwen, která čte obrázky v libovolném rozlišení a text v mnoha jazycích.
Vydání modelu Qwen-VL. Další verze: Qwen3-VL, Qwen2.5-VL.
- Vydáno
- 29. srpna 2024
- ID modelu
- Qwen/Qwen2-VL-2B-Instruct, Qwen/Qwen2-VL-7B-Instruct, Qwen/Qwen2-VL-72B-Instruct
- Velikost
- 2B, 7B a 72B
- Licence
- Apache-2.0 for 2B and 7B. 72B was first offered only through an API
- Hledáno také jako
- qwen2-vl, qwen2 vl, Qwen2-VL-7B-Instruct
Co je nového v Qwen2-VL
- Naive Dynamic Resolution: obrázky libovolného rozlišení a poměru stran se mapují na odpovídající počet vizuálních tokenů.
- Multimodal Rotary Position Embedding (M-RoPE) pro text, obrázky a video.
- Čte text v obrázcích v mnoha jazycích včetně japonštiny, korejštiny, arabštiny a vietnamštiny.
- Rozumí videím delším než 20 minut.
- Může fungovat jako vizuální agent pro telefony a roboty.
Benchmarky Qwen2-VL
| Benchmark | Skóre | Poznámka |
|---|---|---|
| DocVQA (test) | 94.5 | Qwen2-VL-7B. InternVL2-8B: 91,6 |
| TextVQA (val) | 84.3 | Qwen2-VL-7B |
| OCRBench | 845 | Qwen2-VL-7B. GPT-4o-mini: 785 |
| InfoVQA (test) | 76.5 | Qwen2-VL-7B |
Skóre zveřejněná autory. Sami jsme je neověřovali.
Používejte Qwen2-VL přes API
OCRRouter provozuje jiné vydání Qwen-VL jako qwen/qwen-vl.
Verze Qwen-VL
- Qwen-VL: všechny verze, ceny, rychlost a funkce na OCRRouter
- Qwen3-VL (září a říjen 2025)
- Qwen2.5-VL (28. ledna 2025 (32B v březnu 2025))
- Qwen2-VL (29. srpna 2024), tato stránka
Otázky
Zdroje
Naposledy aktualizováno .