OCRRouter

Qwen2-VL

Qwen2-VL је друга Alibaba Qwen породица vision-language модела која чита слике у било којој резолуцији и текст на многим језицима.

Издање модела Qwen-VL. Друге верзије: Qwen3-VL, Qwen2.5-VL.

Објављено
29. август 2024.
ID модела
Qwen/Qwen2-VL-2B-Instruct, Qwen/Qwen2-VL-7B-Instruct, Qwen/Qwen2-VL-72B-Instruct
Величина
2B, 7B и 72B
Лиценца
Apache-2.0 for 2B and 7B. 72B was first offered only through an API
Тражи се и као
qwen2-vl, qwen2 vl, Qwen2-VL-7B-Instruct

Шта је ново у Qwen2-VL

Qwen2-VL бенчмаркови

БенчмаркРезултатНапомена
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 које су објавили аутори. Нисмо их поново покретали.

Користите Qwen2-VL преко API-ја

OCRRouter покреће друго издање модела Qwen-VL као qwen/qwen-vl.

Qwen-VL верзије

Питања

Извори

Последње ажурирање .