Qwen2.5-VL
Qwen2.5-VL ir Alibaba atvērtā vision-language modeļu saime no 2025. gada sākuma. Tā ir pamatā vairākiem OCR modeļiem, tostarp olmOCR 2 un Nanonets-OCR2.
Laidiens modelim Qwen-VL. Citas versijas: Qwen3-VL, Qwen2-VL.
- Izlaists
- 2025. gada 28. janvārī (32B 2025. gada martā)
- Modeļa ID
- Qwen/Qwen2.5-VL-3B-Instruct, Qwen/Qwen2.5-VL-7B-Instruct, Qwen/Qwen2.5-VL-32B-Instruct, Qwen/Qwen2.5-VL-72B-Instruct
- Izmērs
- 3B, 7B, 32B un 72B
- Licence
- Differs by size: 7B is Apache-2.0, 3B uses the Qwen Research license, 72B uses the Qwen license
- Meklē arī kā
- qwen 2.5 vl, qwen2.5-vl, Qwen2.5-VL-7B-Instruct
Kas jauns Qwen2.5-VL
- Strukturēta izvade no skenētiem rēķiniem, veidlapām un tabulām.
- Atrod tekstu un objektus ar bounding boxes vai punktiem un atgriež stabilu JSON.
- Augstāki dokumentu rezultāti nekā Qwen2-VL pie 7B: DocVQA 95.7 pret 94.5, OCRBench 864 pret 845.
Qwen2.5-VL etaloni
| Etalons | Rezultāts | Piezīme |
|---|---|---|
| DocVQA (test) | 95.7 | 7B. Qwen2-VL-7B: 94.5 |
| OCRBench | 864 | 7B. Qwen2-VL-7B: 845, GPT-4o-mini: 785 |
| CC-OCR | 77.8 | 7B. Qwen2-VL-7B: 61.6 |
| ChartQA (test) | 87.3 | 7B. Qwen2-VL-7B: 83.0 |
Rezultāti, kā tos publicējuši autori. Mēs tos neesam atkārtojuši.
Izmantojiet Qwen2.5-VL caur API
OCRRouter darbina citu Qwen-VL laidienu kā qwen/qwen-vl.
Qwen-VL versijas
- Qwen-VL: visas versijas, cena, ātrums un funkcijas vietnē OCRRouter
- Qwen3-VL (2025. gada septembrī un oktobrī)
- Qwen2.5-VL (2025. gada 28. janvārī (32B 2025. gada martā)), šī lapa
- Qwen2-VL (2024. gada 29. augustā)
Jautājumi
Avoti
Pēdējo reizi atjaunināts .