Qwen2-VL
Qwen2-VL è la seconda famiglia di modelli vision-language di Alibaba Qwen, che legge immagini a qualsiasi risoluzione e testo in molte lingue.
Una versione di Qwen-VL. Altre versioni: Qwen3-VL, Qwen2.5-VL.
- Uscita
- 29 agosto 2024
- ID del modello
- Qwen/Qwen2-VL-2B-Instruct, Qwen/Qwen2-VL-7B-Instruct, Qwen/Qwen2-VL-72B-Instruct
- Dimensione
- 2B, 7B e 72B
- Licenza
- Apache-2.0 for 2B and 7B. 72B was first offered only through an API
- Cercato anche come
- qwen2-vl, qwen2 vl, Qwen2-VL-7B-Instruct
Novità di Qwen2-VL
- Naive Dynamic Resolution: immagini di qualsiasi risoluzione e proporzione vengono mappate su un numero adeguato di token visivi.
- Multimodal Rotary Position Embedding (M-RoPE) per testo, immagini e video.
- Legge il testo nelle immagini in molte lingue, tra cui giapponese, coreano, arabo e vietnamita.
- Comprende video di oltre 20 minuti.
- Può fare da agente visivo per smartphone e robot.
Benchmark di Qwen2-VL
| Benchmark | Punteggio | Nota |
|---|---|---|
| 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 |
Punteggi pubblicati dagli autori. Non li abbiamo rieseguiti.
Usa Qwen2-VL tramite API
OCRRouter offre un'altra versione di Qwen-VL come qwen/qwen-vl.
Versioni di Qwen-VL
- Qwen-VL: tutte le versioni, prezzi, velocità e funzioni su OCRRouter
- Qwen3-VL (settembre e ottobre 2025)
- Qwen2.5-VL (28 gennaio 2025 (32B a marzo 2025))
- Qwen2-VL (29 agosto 2024), questa pagina
Domande
Fonti
Ultimo aggiornamento .