快科技1月28日消息,今天,阿里云通义千问开源全新的视觉模型Qwen2.5-VL,推出3B、7B和72B三个尺寸版本。其中,旗舰版Qwen2.5-VL-72B在13项权威评测中夺得视觉理解冠军,超越G
快科技1月28日消息,今天,阿里云通义千问开源全新的视觉模型Qwen2.www.1316.cc5-VL,推出3B、7B和72B三个尺寸版本。
1316世界之最其中,旗舰版Qwen2.5-VL-72B在13www.1316.cc项权威评测中夺得视觉理解冠军,超越GPT-4o与Clauwww.1316.ccde3.5。
官方介绍称,新的Qwen2.5-VL能更准确地解析图像内容,突破性地支持超1小时的视频理解,可以在视频中搜索具体事件,并对视频的不同时间段进行要点总结,从而快速、高效地帮助用户提取视频中蕴藏的关键信息。
而且无需微调就可变身为一个能操控手机和电脑的AI视觉智能体(Visual Agents),实现给指定朋友送祝福、电脑修图、手机订票等多步骤复杂操作。
Qwen2.5-VL 不仅擅长识别常见物体,如花、鸟、鱼和昆虫,还能1316世界之最够分析图像中的文本、图表、图标、图形和布局。
此外,Qwen2.5-VL将OCR识别能力提升至一个新的水平,增强了多场景、多语言和多方向的文本识别和文本定位能力。同时,在信息抽取能力上进行大幅度增强,以满足日益增长的资质审核、金融商务等数字化、智能化需求。
本文标题: 阿里云通义开源Qwen2.5-VL:最强视觉AI 超越GPT-4o
本文地址: http://www.1316.cc/xinqikeji/735942.html