Qwen2-VL
Qwen2-VL est la deuxième famille de modèles vision-langage d'Alibaba Qwen, qui lit les images en toute résolution et le texte dans de nombreuses langues.
Une version de Qwen-VL. Autres versions: Qwen3-VL, Qwen2.5-VL.
- Sortie
- 29 août 2024
- ID du modèle
- Qwen/Qwen2-VL-2B-Instruct, Qwen/Qwen2-VL-7B-Instruct, Qwen/Qwen2-VL-72B-Instruct
- Taille
- 2B, 7B et 72B
- Licence
- Apache-2.0 for 2B and 7B. 72B was first offered only through an API
- Aussi recherché sous
- qwen2-vl, qwen2 vl, Qwen2-VL-7B-Instruct
Nouveautés de Qwen2-VL
- Naive Dynamic Resolution : les images de toute résolution et tout format sont converties en un nombre adapté de tokens visuels.
- Multimodal Rotary Position Embedding (M-RoPE) pour le texte, les images et la vidéo.
- Lit le texte dans les images en de nombreuses langues, dont le japonais, le coréen, l'arabe et le vietnamien.
- Comprend des vidéos de plus de 20 minutes.
- Peut servir d'agent visuel pour téléphones et robots.
Benchmarks de Qwen2-VL
| Benchmark | Score | Remarque |
|---|---|---|
| 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 |
Scores publiés par les auteurs. Nous ne les avons pas reproduits.
Utiliser Qwen2-VL via une API
OCRRouter propose une autre version de Qwen-VL sous l'ID qwen/qwen-vl.
Versions de Qwen-VL
- Qwen-VL: toutes les versions, prix, vitesse et fonctionnalités sur OCRRouter
- Qwen3-VL (septembre et octobre 2025)
- Qwen2.5-VL (28 janvier 2025 (32B en mars 2025))
- Qwen2-VL (29 août 2024), cette page
Questions
Sources
Dernière mise à jour .