OCRRouter

Qwen2-VL

Qwen2-VL je druga Alibaba Qwen obitelj vision-language modela koja čita slike u bilo kojoj rezoluciji i tekst na mnogim jezicima.

Izdanje modela Qwen-VL. Druge verzije: Qwen3-VL, Qwen2.5-VL.

Objavljeno
29. kolovoza 2024.
ID modela
Qwen/Qwen2-VL-2B-Instruct, Qwen/Qwen2-VL-7B-Instruct, Qwen/Qwen2-VL-72B-Instruct
Veličina
2B, 7B i 72B
Licenca
Apache-2.0 for 2B and 7B. 72B was first offered only through an API
Traži se i kao
qwen2-vl, qwen2 vl, Qwen2-VL-7B-Instruct

Što je novo u Qwen2-VL

Qwen2-VL benchmarkovi

BenchmarkRezultatNapomena
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

Rezultati koje su objavili autori. Nismo ih ponovno pokretali.

Koristite Qwen2-VL putem API-ja

OCRRouter pokreće drugo izdanje modela Qwen-VL kao qwen/qwen-vl.

Qwen-VL verzije

Pitanja

Izvori

Zadnje ažuriranje .