OCRRouter

Qwen2-VL

Qwen2-VL е втората фамилија vision-language модели на Alibaba Qwen, што чита слики во секоја резолуција и текст на многу јазици.

Издание на Qwen-VL. Други верзии: Qwen3-VL, Qwen2.5-VL.

Објавен
29 август 2024
ID на моделот
Qwen/Qwen2-VL-2B-Instruct, Qwen/Qwen2-VL-7B-Instruct, Qwen/Qwen2-VL-72B-Instruct
Големина
2B, 7B и 72B
Лиценца
Apache-2.0 for 2B and 7B. 72B was first offered only through an API
Се пребарува и како
qwen2-vl, qwen2 vl, Qwen2-VL-7B-Instruct

Што е ново во Qwen2-VL

Бенчмарки за Qwen2-VL

БенчмаркРезултатЗабелешка
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

Резултати според авторите. Не сме ги повториле.

Користете го Qwen2-VL преку API

OCRRouter извршува друго издание на Qwen-VL како qwen/qwen-vl.

Верзии на Qwen-VL

Прашања

Извори

Последно ажурирано .