OCRRouter

Qwen2-VL

Qwen2-VL ir Alibaba Qwen otrā vision-language modeļu saime, kas lasa jebkuras izšķirtspējas attēlus un tekstu daudzās valodās.

Laidiens modelim Qwen-VL. Citas versijas: Qwen3-VL, Qwen2.5-VL.

Izlaists
2024. gada 29. augustā
Modeļa ID
Qwen/Qwen2-VL-2B-Instruct, Qwen/Qwen2-VL-7B-Instruct, Qwen/Qwen2-VL-72B-Instruct
Izmērs
2B, 7B un 72B
Licence
Apache-2.0 for 2B and 7B. 72B was first offered only through an API
Meklē arī kā
qwen2-vl, qwen2 vl, Qwen2-VL-7B-Instruct

Kas jauns Qwen2-VL

Qwen2-VL etaloni

EtalonsRezultātsPiezīme
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

Rezultāti, kā tos publicējuši autori. Mēs tos neesam atkārtojuši.

Izmantojiet Qwen2-VL caur API

OCRRouter darbina citu Qwen-VL laidienu kā qwen/qwen-vl.

Qwen-VL versijas

Jautājumi

Avoti

Pēdējo reizi atjaunināts .