Qwen2-VL
Qwen2-VL היא משפחת מודלי הראייה-שפה השנייה של Alibaba Qwen, שקוראת תמונות בכל רזולוציה וטקסט בשפות רבות.
גרסה של Qwen-VL. גרסאות אחרות: Qwen3-VL, Qwen2.5-VL.
- תאריך יציאה
- 29 באוגוסט 2024
- מזהה מודל
- Qwen/Qwen2-VL-2B-Instruct, Qwen/Qwen2-VL-7B-Instruct, Qwen/Qwen2-VL-72B-Instruct
- גודל
- 2B, 7B ו-72B
- רישיון
- Apache-2.0 for 2B and 7B. 72B was first offered only through an API
- מחפשים גם בשם
- qwen2-vl, qwen2 vl, Qwen2-VL-7B-Instruct
מה חדש ב-Qwen2-VL
- Naive Dynamic Resolution: תמונות בכל רזולוציה ויחס גובה-רוחב ממופות למספר מתאים של טוקנים חזותיים.
- Multimodal Rotary Position Embedding (M-RoPE) לטקסט, תמונות ווידאו.
- קורא טקסט בתמונות בשפות רבות, כולל יפנית, קוריאנית, ערבית ווייטנאמית.
- מבין סרטונים באורך של יותר מ-20 דקות.
- יכול לפעול כסוכן חזותי לטלפונים ולרובוטים.
בנצ'מרקים של Qwen2-VL
| בנצ'מרק | ציון | הערה |
|---|---|---|
| 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 |
הציונים כפי שפרסמו המחברים. לא הרצנו אותם מחדש.
שימוש ב-Qwen2-VL דרך API
OCRRouter מריץ גרסה אחרת של Qwen-VL בתור qwen/qwen-vl.
גרסאות Qwen-VL
- Qwen-VL: כל הגרסאות, מחיר, מהירות ויכולות ב-OCRRouter
- Qwen3-VL (ספטמבר ואוקטובר 2025)
- Qwen2.5-VL (28 בינואר 2025 (32B במרץ 2025))
- Qwen2-VL (29 באוגוסט 2024), העמוד הזה
שאלות
מקורות
עודכן לאחרונה .