杭州领跑AI开源!阿里Qwen除夕开源视觉理解新旗舰,全系列3尺寸,7B模型超GPT-4o-mini
衡宇 白交 发自 川渝 量子位 | 公众号 QbitAI
眼看蛇年将至,杭州依旧充满活力。阿里通义Qwen今日凌晨4点发布了视觉理解模型Qwen2.5-VL,包含3B、7B和72B三个版本。Qwen2.5-VL在多项基准测试中表现出色,尤其在文档理解和视觉Agent操作方面。
7B模型Qwen2.5-VL-7B-Instruct在多个任务中超越GPT-4o-mini。通义Qwen团队称3B版本为“端侧AI的潜力股”,它在复杂场景下表现出色。
Qwen2.5-VL在文档和图表理解方面尤为突出,无需特定任务微调即可作为视觉Agent操作。全系列模型已开源,包括3B、7B、72B三种尺寸。
Qwen2.5-VL具备视觉定位、通用图像识别、文档解析、视觉Agent操作、视频理解和文字识别等能力。模型还增强了多场景、多语言的文本识别和信息抽取能力。
Qwen2.5-VL相比前代,提升了时间和空间感知能力,简化了网络结构。未来,Qwen团队将进一步提升问题解决和推理能力,整合更多模态,迈向综合全能模型。
Qwen2.5-VL全系列已开源于抱抱脸和魔搭社区。
原文链接
本文链接:https://kx.umi6.com/article/12291.html
转载请注明文章出处
相关推荐
.png)
换一换
豆包视觉理解模型发布
2024-12-18 10:30:52
阿里通义千问全新视觉理解模型 Qwen2.5-VL 开源:三尺寸版本、支持理解长视频和捕捉事件等能力
2025-01-28 08:41:31
大模型降价潮再起
2025-01-02 09:10:25
453 文章
90419 浏览
24小时热文
更多

-
2025-07-19 14:57:21
-
2025-07-19 14:56:08
-
2025-07-19 14:55:01