OCRRouter

Qwen2-VL

Qwen2-VL är Alibaba Qwens andra familj av vision-language-modeller, som läser bilder i valfri upplösning och text på många språk.

En version av Qwen-VL. Andra versioner: Qwen3-VL, Qwen2.5-VL.

Släppt
29 augusti 2024
Modell-ID
Qwen/Qwen2-VL-2B-Instruct, Qwen/Qwen2-VL-7B-Instruct, Qwen/Qwen2-VL-72B-Instruct
Storlek
2B, 7B och 72B
Licens
Apache-2.0 for 2B and 7B. 72B was first offered only through an API
Söks även som
qwen2-vl, qwen2 vl, Qwen2-VL-7B-Instruct

Nytt i Qwen2-VL

Benchmarks för Qwen2-VL

BenchmarkResultatNot
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

Resultat enligt författarna. Vi har inte kört om dem.

Använd Qwen2-VL via ett API

OCRRouter kör en annan version av Qwen-VL som qwen/qwen-vl.

Versioner av Qwen-VL

Frågor

Källor

Senast uppdaterad .