所屬模型 Qwen-VL. 其他版本: Qwen3-VL, Qwen2.5-VL.
- 發布時間
- 2024 年 8 月 29 日
- 模型 ID
- Qwen/Qwen2-VL-2B-Instruct, Qwen/Qwen2-VL-7B-Instruct, Qwen/Qwen2-VL-72B-Instruct
- 參數規模
- 2B、7B 與 72B
- 授權
- Apache-2.0 for 2B and 7B. 72B was first offered only through an API
- 其他搜尋名稱
- qwen2-vl, qwen2 vl, Qwen2-VL-7B-Instruct
Qwen2-VL 更新內容
- Naive Dynamic Resolution:任意解析度與長寬比的圖片對應相應數量的視覺 token。
- 多模態旋轉位置編碼(M-RoPE),統一處理文字、圖片與影片。
- 可辨識多種語言的圖片文字,包括日文、韓文、阿拉伯文與越南文。
- 能理解 20 分鐘以上的影片。
- 可作為手機與機器人的視覺代理。
Qwen2-VL 基準測試
| 基準測試 | 分數 | 備註 |
|---|---|---|
| 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 |
分數取自作者公開資料,我們未重新測試。
透過 API 使用 Qwen2-VL
OCRRouter 以 qwen/qwen-vl 提供 Qwen-VL 的另一個版本。
Qwen-VL 各版本
- Qwen-VL: OCRRouter 上的所有版本、價格、速度與功能
- Qwen3-VL (2025 年 9 月與 10 月)
- Qwen2.5-VL (2025 年 1 月 28 日(32B 於 2025 年 3 月))
- Qwen2-VL (2024 年 8 月 29 日), 本頁
常見問題
資料來源
最後更新 .