Qwen2.5-VL发布了，在多模态模型领域拿下13个开源冠军。开源终于有一款和 GPT4o和Claude3.5同样水平的多模态模型了。
- 视觉解析能力巨大飞跃，不仅能分析万物，还能识别图像结构和布局，精准定位各种元素，对图表和文档理解能力更是超强。
- 支持超长的视频理解，支持最长1小时的视频理解，对视频内容进行秒级定位。
- 支持视觉智能体，无需微调，模型本身就能直接当Agent，让模型查天气，订机票，修美图。
模型开源了三个尺寸，72B性能最强，7B性能平衡，3B端侧部署速度最快。
在线体验
11 个赞
deepseek 那个多模态咋样
等大佬们评测下
1 个赞
进来看看
熊熊加班
这么强！？
除夕还在发模型，够拼的了
实际上 pixtral-large 也是这水平 