Qwen2-VL
Qwen2-VL — второе семейство визуально-языковых моделей Alibaba Qwen. Читает изображения любого разрешения и текст на многих языках.
Релиз модели Qwen-VL. Другие версии: Qwen3-VL, Qwen2.5-VL.
- Дата выхода
- 29 августа 2024
- ID модели
- Qwen/Qwen2-VL-2B-Instruct, Qwen/Qwen2-VL-7B-Instruct, Qwen/Qwen2-VL-72B-Instruct
- Размер
- 2B, 7B и 72B
- Лицензия
- Apache-2.0 for 2B and 7B. 72B was first offered only through an API
- Также ищут как
- qwen2-vl, qwen2 vl, Qwen2-VL-7B-Instruct
Что нового в Qwen2-VL
- Naive Dynamic Resolution: изображения любого разрешения и соотношения сторон превращаются в соответствующее число визуальных токенов.
- Multimodal Rotary Position Embedding (M-RoPE) для текста, изображений и видео.
- Читает текст на изображениях на многих языках, включая японский, корейский, арабский и вьетнамский.
- Понимает видео длиной более 20 минут.
- Может работать визуальным агентом для телефонов и роботов.
Бенчмарки Qwen2-VL
| Бенчмарк | Результат | Примечание |
|---|---|---|
| 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 |
Результаты в том виде, в каком их опубликовали авторы. Мы их не перепроверяли.
Использование Qwen2-VL через API
OCRRouter запускает другой релиз Qwen-VL как qwen/qwen-vl.
Версии Qwen-VL
- Qwen-VL: все версии, цены, скорость и возможности на OCRRouter
- Qwen3-VL (сентябрь и октябрь 2025)
- Qwen2.5-VL (28 января 2025 (32B — в марте 2025))
- Qwen2-VL (29 августа 2024), эта страница
Вопросы
Источники
Обновлено .