阿里通义千问发布最强视觉理解模型Qwen2-VL-72B！可理解20分钟以上长视频

【二四六天下彩天天彩免费大全】

【2020年新奥门免费資料大全】

【香港+六+合+资料总站一肖一码】

【澳门六开彩天天开奖结果】

【2024澳门天天六开彩今晚开奖号码】

【2024新奥开奖结果查询官网】

【澳门免费资料最准的资料】

【2023澳门开奖历史记录结果查询】

【港彩二四六天天好开奖】

【澳门天天彩开奖资料2023年最新】

【2024年澳门的资料热】

【新澳门蓝月亮】

【2024年新奥正版资料免费大全】

【2024涣渙门天天彩资料大全十开奖记录】

【新奥天空彩免费大全】

【新澳2024正版资料免费大全】

【新澳门资料大全正版资料2023】

【澳门2024年开奖号码】

快科技8月30日消息，阿里通义千问发布第二代视觉语言模型Qwen2-VL。其中，旗舰模型Qwen2-VL-72B的API已上线阿里云百炼平台。

据了解，Qwen2-VL在多个权威测评中刷新了多模态模型的最佳成绩，在部分指标上甚至超越了GPT-4o和Claude3.5-Sonnet等闭源模型。

2023年8月，通义千问开源第一代视觉语言理解模型Qwen-VL，成为开源社区最受欢迎的多模态模型之一。

短短一年内，模型下载量突破1000万次。目前，多模态模型在手机、车端等各类视觉识别场景的落地正在加速，开发者和应用企业也格外关注Qwen-VL的升级迭代。

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。

此外，Qwen2-VL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。同时，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。

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

返回搜狐，查看更多

责任编辑：

【2024澳门天天开好彩大全免费】 【新澳天天开奖资料大全最新】

【2024年天天开好彩资料】 【新澳天天开奖资料大全最新54期】

【2024澳门天天开好彩大全53期】 【澳门天天开彩期期精准】

【2024全年资料免费大全】 【新澳天天开奖资料大全】

【澳门内部最精准免费资料】 【2024澳门天天开好彩大全】

【2024年新奥门天天开彩免费资料】 【新澳2024今晚开奖资料】 【新奥资料免费精准新奥生肖卡】