Qwen2.5-VL
阿里云の多模态モデル · リリース日 2025-01
オープンソース
多模态
开源
API 可用
模型简介
Qwen2.5-VLはAlibabaの通義千問チームによる視覚言語モデルで、画像、ビデオ、ドキュメントの深い理解をサポートします。動的解像度で任意のサイズの画像を処理でき、数時間に及ぶビデオ分析をサポートし、画像内のオブジェクト座標を正確に特定できます。72Bバージョンはマルチモーダルベンチマークで業界をリードするレベルに達しており、オープンソースの視覚言語モデルのベンチマークの1つです。
核心特性
- 动态分辨率视觉理解
- 长视频分析
- 物体定位与 OCR
- 多规格可选
核心优势
- 视觉理解能力领先
- 视频分析出色
- 开源灵活
技术规格
参数量
3B / 7B / 72B
上下文窗口
128K tokens
API 支持
はい
开源状态
オープンソース
发布日期
2025-01
提供商
阿里云
价格信息
免费开源；API 调用按量付费
基准测试
MMBench 87.5%, DocVQA 96.2%, 多模态基准领先