OCRRouter

Qwen2-VL

Qwen2-VL دومین خانواده مدل‌های بینایی-زبان Alibaba Qwen است که تصاویر را با هر وضوحی و متن را به زبان‌های زیادی می‌خواند.

نسخه‌ای از Qwen-VL. نسخه‌های دیگر: Qwen3-VL, Qwen2.5-VL.

تاریخ انتشار
29 اوت 2024
شناسه مدل
Qwen/Qwen2-VL-2B-Instruct, Qwen/Qwen2-VL-7B-Instruct, Qwen/Qwen2-VL-72B-Instruct
اندازه
2B، ‏7B و 72B
مجوز
Apache-2.0 for 2B and 7B. 72B was first offered only through an API
جستجو شده با نام
qwen2-vl, qwen2 vl, Qwen2-VL-7B-Instruct

چه چیزی در Qwen2-VL جدید است

بنچمارک‌های Qwen2-VL

بنچمارکامتیازتوضیح
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

امتیازها همان‌طور که نویسندگان منتشر کرده‌اند. ما آن‌ها را دوباره اجرا نکرده‌ایم.

استفاده از Qwen2-VL از طریق API

OCRRouter نسخه دیگری از Qwen-VL را با شناسه qwen/qwen-vl اجرا می‌کند.

نسخه‌های Qwen-VL

پرسش‌ها

منابع

آخرین به‌روزرسانی .