OCRRouter

Qwen2-VL

Qwen2-VL は Alibaba Qwen の第 2 世代視覚言語モデル群。任意の解像度の画像と多言語のテキストを読み取ります。

リリース元モデル Qwen-VL. 他のバージョン: Qwen3-VL, Qwen2.5-VL.

リリース
2024年8月29日
モデル ID
Qwen/Qwen2-VL-2B-Instruct, Qwen/Qwen2-VL-7B-Instruct, Qwen/Qwen2-VL-72B-Instruct
サイズ
2B、7B、72B
ライセンス
Apache-2.0 for 2B and 7B. 72B was first offered only through an API
別の検索名
qwen2-vl, qwen2 vl, Qwen2-VL-7B-Instruct

Qwen2-VL の新機能

Qwen2-VL のベンチマーク

ベンチマークスコア備考
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

スコアは開発者の公表値です。再測定はしていません。

Qwen2-VL を API で使う

OCRRouter は Qwen-VL の別のリリースを qwen/qwen-vl として提供しています。

Qwen-VL のバージョン

よくある質問

出典

最終更新 .