Qwen2-VL
A Qwen2-VL az Alibaba Qwen második vision-language modellcsaládja: bármilyen felbontású képet olvas, sok nyelven.
Kiadása ennek: Qwen-VL. Más verziók: Qwen3-VL, Qwen2.5-VL.
- Megjelenés
- 2024. augusztus 29.
- Modellazonosító
- Qwen/Qwen2-VL-2B-Instruct, Qwen/Qwen2-VL-7B-Instruct, Qwen/Qwen2-VL-72B-Instruct
- Méret
- 2B, 7B és 72B
- Licenc
- Apache-2.0 for 2B and 7B. 72B was first offered only through an API
- Így is keresik
- qwen2-vl, qwen2 vl, Qwen2-VL-7B-Instruct
Újdonságok: Qwen2-VL
- Naive Dynamic Resolution: bármilyen felbontású és képarányú kép megfelelő számú vizuális tokenre képeződik le.
- Multimodal Rotary Position Embedding (M-RoPE) szöveghez, képhez és videóhoz.
- Sok nyelven olvas szöveget képeken, köztük japánul, koreaiul, arabul és vietnámiul.
- 20 percnél hosszabb videókat is megért.
- Vizuális ágensként működhet telefonokhoz és robotokhoz.
Qwen2-VL benchmarkok
| Benchmark | Pontszám | Megjegyzés |
|---|---|---|
| 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 |
A szerzők által közölt pontszámok. Mi nem futtattuk újra őket.
A(z) Qwen2-VL használata API-n keresztül
A OCRRouter a(z) Qwen-VL egy másik kiadását futtatja qwen/qwen-vl néven.
Qwen-VL verziók
- Qwen-VL: összes verzió, ár, sebesség és funkciók a(z) OCRRouter oldalon
- Qwen3-VL (2025. szeptember és október)
- Qwen2.5-VL (2025. január 28. (a 32B 2025 márciusában))
- Qwen2-VL (2024. augusztus 29.), ez az oldal
Kérdések
Források
Utoljára frissítve .