Qwen2-VL
Qwen2-VL, Alibaba Qwen की दूसरी विज़न-लैंग्वेज मॉडल फ़ैमिली है, जो किसी भी रिज़ॉल्यूशन की इमेज और कई भाषाओं का टेक्स्ट पढ़ती है।
इसका एक रिलीज़ Qwen-VL. अन्य वर्शन: Qwen3-VL, Qwen2.5-VL.
- रिलीज़
- 29 अगस्त 2024
- मॉडल ID
- Qwen/Qwen2-VL-2B-Instruct, Qwen/Qwen2-VL-7B-Instruct, Qwen/Qwen2-VL-72B-Instruct
- आकार
- 2B, 7B और 72B
- लाइसेंस
- Apache-2.0 for 2B and 7B. 72B was first offered only through an API
- इस नाम से भी खोजा जाता है
- qwen2-vl, qwen2 vl, Qwen2-VL-7B-Instruct
Qwen2-VL में नया क्या है
- Naive Dynamic Resolution: किसी भी रिज़ॉल्यूशन और आस्पेक्ट रेशियो की इमेज उसी अनुपात में विज़ुअल टोकन में बदलती है।
- टेक्स्ट, इमेज और वीडियो के लिए Multimodal Rotary Position Embedding (M-RoPE)।
- जापानी, कोरियाई, अरबी और वियतनामी समेत कई भाषाओं में इमेज का टेक्स्ट पढ़ता है।
- 20 मिनट से लंबे वीडियो समझता है।
- फ़ोन और रोबोट के लिए विज़ुअल एजेंट के रूप में काम कर सकता है।
Qwen2-VL बेंचमार्क
| बेंचमार्क | स्कोर | टिप्पणी |
|---|---|---|
| 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 |
स्कोर लेखकों द्वारा प्रकाशित हैं। हमने इन्हें दोबारा नहीं चलाया है।
Qwen2-VL को API से इस्तेमाल करें
OCRRouter Qwen-VL का एक अलग रिलीज़ qwen/qwen-vl के रूप में चलाता है।
Qwen-VL वर्शन
- Qwen-VL: OCRRouter पर सभी वर्शन, कीमत, स्पीड और फीचर
- Qwen3-VL (सितंबर और अक्टूबर 2025)
- Qwen2.5-VL (28 जनवरी 2025 (32B मार्च 2025 में))
- Qwen2-VL (29 अगस्त 2024), यह पेज
सवाल
स्रोत
अंतिम अपडेट .