Qwen2-VL
Qwen2-VL là dòng mô hình thị giác-ngôn ngữ thứ hai của Alibaba Qwen, đọc ảnh ở mọi độ phân giải và văn bản bằng nhiều ngôn ngữ.
Một phiên bản của Qwen-VL. Phiên bản khác: Qwen3-VL, Qwen2.5-VL.
- Phát hành
- 29 tháng 8 năm 2024
- ID mô hình
- Qwen/Qwen2-VL-2B-Instruct, Qwen/Qwen2-VL-7B-Instruct, Qwen/Qwen2-VL-72B-Instruct
- Kích thước
- 2B, 7B và 72B
- Giấy phép
- Apache-2.0 for 2B and 7B. 72B was first offered only through an API
- Còn được tìm với tên
- qwen2-vl, qwen2 vl, Qwen2-VL-7B-Instruct
Qwen2-VL có gì mới
- Naive Dynamic Resolution: ảnh ở mọi độ phân giải và tỷ lệ khung hình được ánh xạ thành số visual token tương ứng.
- Multimodal Rotary Position Embedding (M-RoPE) cho văn bản, ảnh và video.
- Đọc văn bản trong ảnh bằng nhiều ngôn ngữ, gồm tiếng Nhật, tiếng Hàn, tiếng Ả Rập và tiếng Việt.
- Hiểu video dài hơn 20 phút.
- Có thể làm agent thị giác cho điện thoại và robot.
Benchmark của Qwen2-VL
| Benchmark | Điểm | Ghi chú |
|---|---|---|
| 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 |
Điểm do tác giả công bố. Chúng tôi chưa chạy lại.
Dùng Qwen2-VL qua API
OCRRouter chạy một phiên bản khác của Qwen-VL dưới ID qwen/qwen-vl.
Các phiên bản Qwen-VL
- Qwen-VL: mọi phiên bản, giá, tốc độ và tính năng trên OCRRouter
- Qwen3-VL (Tháng 9 và tháng 10 năm 2025)
- Qwen2.5-VL (28 tháng 1 năm 2025 (32B vào tháng 3 năm 2025))
- Qwen2-VL (29 tháng 8 năm 2024), trang này
Câu hỏi
Nguồn
Cập nhật lần cuối .