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

阿里通义Qwen发布了全新视觉理解模型Qwen2.5-VL，涵盖3B、7B和72B三种参数规模，被誉为“旗舰视觉语言模型”。该模型在多项基准测试中表现出色，尤其在文档解析和视觉Agent操作方面表现突出。相较于前作Qwen2-VL，新模型增强了时间和空间尺度的感知能力，并简化了网络结构以提高效率。此外，Qwen2.5-VL支持视觉定位、通用图像识别、视频理解和文字识别等多种功能，现已全面开源，用户可通过抱抱脸和魔搭社区获取。
来源：https://mp.weixin.qq.com/s/V7ZiNpvha5XZZ-A13BAHpA