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
- Naive Dynamic Resolution:任意の解像度とアスペクト比の画像を、それに応じた数の視覚トークンに変換。
- テキスト、画像、動画に対応するマルチモーダル回転位置埋め込み(M-RoPE)。
- 日本語、韓国語、アラビア語、ベトナム語など多言語の画像内テキストを読み取る。
- 20 分以上の動画を理解。
- スマートフォンやロボット向けの視覚エージェントとして動作可能。
Qwen2-VL のベンチマーク
| ベンチマーク | スコア | 備考 |
|---|---|---|
| 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 |
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
- Qwen-VL: OCRRouter の全バージョン、料金、速度、機能
- Qwen3-VL (2025年9月・10月)
- Qwen2.5-VL (2025年1月28日(32B は2025年3月))
- Qwen2-VL (2024年8月29日), このページ
よくある質問
出典
最終更新 .