Qwen2-VL
Qwen2-VL adalah keluarga model vision-language kedua dari Alibaba Qwen, membaca gambar beresolusi apa pun dan teks dalam banyak bahasa.
Rilis dari Qwen-VL. Versi lain: Qwen3-VL, Qwen2.5-VL.
- Dirilis
- 29 Agustus 2024
- ID model
- Qwen/Qwen2-VL-2B-Instruct, Qwen/Qwen2-VL-7B-Instruct, Qwen/Qwen2-VL-72B-Instruct
- Ukuran
- 2B, 7B, dan 72B
- Lisensi
- Apache-2.0 for 2B and 7B. 72B was first offered only through an API
- Juga dicari sebagai
- qwen2-vl, qwen2 vl, Qwen2-VL-7B-Instruct
Yang baru di Qwen2-VL
- Naive Dynamic Resolution: gambar dengan resolusi dan rasio aspek apa pun dipetakan ke jumlah token visual yang sesuai.
- Multimodal Rotary Position Embedding (M-RoPE) untuk teks, gambar, dan video.
- Membaca teks di gambar dalam banyak bahasa, termasuk Jepang, Korea, Arab, dan Vietnam.
- Memahami video lebih dari 20 menit.
- Bisa berperan sebagai agen visual untuk ponsel dan robot.
Benchmark Qwen2-VL
| Benchmark | Skor | Catatan |
|---|---|---|
| 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 |
Skor sesuai publikasi penulis. Kami belum menjalankannya ulang.
Gunakan Qwen2-VL lewat API
OCRRouter menjalankan rilis Qwen-VL yang berbeda sebagai qwen/qwen-vl.
Versi Qwen-VL
- Qwen-VL: semua versi, harga, kecepatan, dan fitur di OCRRouter
- Qwen3-VL (September dan Oktober 2025)
- Qwen2.5-VL (28 Januari 2025 (32B pada Maret 2025))
- Qwen2-VL (29 Agustus 2024), halaman ini
Pertanyaan
Sumber
Terakhir diperbarui .