OCRRouter

Qwen2-VL

Qwen2-VL er Alibaba Qwens anden familie af vision-language-modeller, der læser billeder i enhver opløsning og tekst på mange sprog.

En version af Qwen-VL. Andre versioner: Qwen3-VL, Qwen2.5-VL.

Udgivet
29. august 2024
Model-ID
Qwen/Qwen2-VL-2B-Instruct, Qwen/Qwen2-VL-7B-Instruct, Qwen/Qwen2-VL-72B-Instruct
Størrelse
2B, 7B og 72B
Licens
Apache-2.0 for 2B and 7B. 72B was first offered only through an API
Søges også som
qwen2-vl, qwen2 vl, Qwen2-VL-7B-Instruct

Nyt i Qwen2-VL

Benchmarks for Qwen2-VL

BenchmarkScoreNote
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

Scorer som offentliggjort af forfatterne. Vi har ikke kørt dem igen.

Brug Qwen2-VL via et API

OCRRouter kører en anden version af Qwen-VL som qwen/qwen-vl.

Versioner af Qwen-VL

Spørgsmål

Kilder

Senest opdateret .