所属模型 Qwen-VL. 其他版本: Qwen3-VL, Qwen2.5-VL.
- 发布时间
- 2024 年 8 月 29 日
- 模型 ID
- Qwen/Qwen2-VL-2B-Instruct, Qwen/Qwen2-VL-7B-Instruct, Qwen/Qwen2-VL-72B-Instruct
- 参数规模
- 2B、7B 和 72B
- 许可证
- Apache-2.0 for 2B and 7B. 72B was first offered only through an API
- 其他搜索名
- qwen2-vl, qwen2 vl, Qwen2-VL-7B-Instruct
Qwen2-VL 更新内容
- Naive Dynamic Resolution:任意分辨率和宽高比的图片映射为相应数量的视觉 token。
- 多模态旋转位置编码(M-RoPE),统一处理文本、图片和视频。
- 可识别多种语言的图片文字,包括日语、韩语、阿拉伯语和越南语。
- 能理解 20 分钟以上的视频。
- 可作为手机和机器人的视觉智能体。
Qwen2-VL 基准测试
| 基准测试 | 得分 | 备注 |
|---|---|---|
| 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 |
得分来自作者公开数据,我们未重新测试。
通过 API 使用 Qwen2-VL
OCRRouter 以 qwen/qwen-vl 提供 Qwen-VL 的另一个版本。
Qwen-VL 各版本
- Qwen-VL: OCRRouter 上的全部版本、价格、速度和功能
- Qwen3-VL (2025 年 9 月和 10 月)
- Qwen2.5-VL (2025 年 1 月 28 日(32B 于 2025 年 3 月))
- Qwen2-VL (2024 年 8 月 29 日), 本页
常见问题
来源
最后更新 .