Qwen2-VL
O Qwen2-VL é a segunda família de modelos de visão e linguagem da Alibaba Qwen, que lê imagens em qualquer resolução e texto em muitos idiomas.
Uma versão de Qwen-VL. Outras versões: Qwen3-VL, Qwen2.5-VL.
- Lançamento
- 29 de agosto de 2024
- ID do modelo
- Qwen/Qwen2-VL-2B-Instruct, Qwen/Qwen2-VL-7B-Instruct, Qwen/Qwen2-VL-72B-Instruct
- Tamanho
- 2B, 7B e 72B
- Licença
- Apache-2.0 for 2B and 7B. 72B was first offered only through an API
- Também buscado como
- qwen2-vl, qwen2 vl, Qwen2-VL-7B-Instruct
Novidades do Qwen2-VL
- Naive Dynamic Resolution: imagens de qualquer resolução e proporção viram um número correspondente de tokens visuais.
- Multimodal Rotary Position Embedding (M-RoPE) para texto, imagens e vídeo.
- Lê texto em imagens em muitos idiomas, incluindo japonês, coreano, árabe e vietnamita.
- Entende vídeos com mais de 20 minutos.
- Pode atuar como agente visual para celulares e robôs.
Benchmarks do Qwen2-VL
| Benchmark | Pontuação | Observação |
|---|---|---|
| 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 |
Pontuações publicadas pelos autores. Não as executamos novamente.
Use o Qwen2-VL por API
O OCRRouter roda outra versão do Qwen-VL como qwen/qwen-vl.
Versões do Qwen-VL
- Qwen-VL: todas as versões, preço, velocidade e recursos no OCRRouter
- Qwen3-VL (setembro e outubro de 2025)
- Qwen2.5-VL (28 de janeiro de 2025 (32B em março de 2025))
- Qwen2-VL (29 de agosto de 2024), esta página
Perguntas
Fontes
Última atualização .