Qwen2-VL
Qwen2-VL es la segunda familia de modelos de visión y lenguaje de Alibaba Qwen; lee imágenes de cualquier resolución y texto en muchos idiomas.
Una versión de Qwen-VL. Otras versiones: Qwen3-VL, Qwen2.5-VL.
- Lanzamiento
- 29 de agosto de 2024
- ID del modelo
- Qwen/Qwen2-VL-2B-Instruct, Qwen/Qwen2-VL-7B-Instruct, Qwen/Qwen2-VL-72B-Instruct
- Tamaño
- 2B, 7B y 72B
- Licencia
- Apache-2.0 for 2B and 7B. 72B was first offered only through an API
- También buscado como
- qwen2-vl, qwen2 vl, Qwen2-VL-7B-Instruct
Novedades de Qwen2-VL
- Naive Dynamic Resolution: imágenes de cualquier resolución y proporción se asignan a un número acorde de tokens visuales.
- Multimodal Rotary Position Embedding (M-RoPE) para texto, imágenes y vídeo.
- Lee texto en imágenes en muchos idiomas, incluidos japonés, coreano, árabe y vietnamita.
- Entiende vídeos de más de 20 minutos.
- Puede actuar como agente visual para móviles y robots.
Benchmarks de Qwen2-VL
| Benchmark | Puntuación | Nota |
|---|---|---|
| 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 |
Puntuaciones publicadas por los autores. No las hemos vuelto a ejecutar.
Usa Qwen2-VL a través de una API
OCRRouter ejecuta otra versión de Qwen-VL como qwen/qwen-vl.
Versiones de Qwen-VL
- Qwen-VL: todas las versiones, precio, velocidad y funciones en OCRRouter
- Qwen3-VL (septiembre y octubre de 2025)
- Qwen2.5-VL (28 de enero de 2025 (32B en marzo de 2025))
- Qwen2-VL (29 de agosto de 2024), esta página
Preguntas
Fuentes
Última actualización .