通义千问推出最强视觉理解模型Qwen2

2024-11-17 05:42:44 admin

8月30日,通义推出阿里通义千问发布第二代视觉语言模型Qwen2-VL,千问旗舰模型 Qwen2-VL-72B的最强API已上线阿里云百炼平台。Qwen2-VL在多个权威测评中刷新了多模态模型的视觉最佳成绩,在部分指标上甚至超越了 GPT-4o 和 Claude3.5-Sonnet 等闭源模型。理解

2023年8月,模型通义千问开源第一代视觉语言理解模型Qwen-VL,通义推出成为开源社区最受欢迎的千问多模态模型之一。短短一年内,最强模型下载量突破1000万次。视觉目前,理解多模态模型在手机、模型车端等各类视觉识别场景的通义推出落地正在加速,开发者和应用企业也格外关注Qwen-VL的千问升级迭代。

通义千问推出最强视觉理解模型Qwen2-VL-72B,最强API已上线阿里云 

相比上代模型,Qwen2-VL的基础性能全面提升。可以读懂不同分辨率和不同长宽比的图片,在MathVista、DocVQA、RealWorldQA、MTVQA 等基准测试创下全球领先的表现;可以理解20分钟以上长视频,支持基于视频的问答、对话和内容创作等应用;具备强大的视觉智能体能力,可自主操作手机和机器人,借助复杂推理和决策的能力,Qwen2-VL 可以集成到手机、机器人等设备,根据视觉环境和文字指令进行自动操作;能理解图像视频中的多语言文本,包括中文、英文,大多数欧洲语言,日语、韩语、阿拉伯语、越南语等。

通义千问团队从六个方面评估了模型能力,包括综合的大学题目、数学能力、文档表格多语言文字图像的理解、通用场景问答、视频理解、Agent 能力。Qwen2-VL-72B 在大部分的指标上都达到了最优,甚至超过了 GPT-4o 和 Claude3.5-Sonnet 等闭源模型,在文档理解方面优势尤其明显,仅在综合的大学题目方面与 GPT-4o 存在差距。

用户可通过阿里云百炼平台调用Qwen2-VL-72B的API,地址:

https://help.aliyun.com/zh/model-studio/developer-reference/qwen-vl-api

雷峰网(公众号:雷峰网)

友链


  • 文章

    64599

  • 浏览

    88676

  • 获赞

    41273

赞一个、收藏了!

分享给朋友看看这篇文章

热门推荐