阿里雲通義開源視覺理解模型Qwen2.5-VL

北京商報訊（記者 魏蔚）1月28日，阿里雲宣佈，通義千問開源全新的視覺模型Qwen2.5-VL，推出3B、7B和72B三個尺寸版本。其中，旗艦版Qwen2.5-VL-72B在13項權威評測中奪得視覺理解冠軍，全面超越GPT-4o與Claude3.5。新的Qwen2.5-VL能夠更準確地解析圖像內容，突破性地支持超1小時的視頻理解，無需微調就可變身爲一個能操控手機和電腦的AI視覺智能體（Visual Agents），實現給指定朋友送祝福、電腦修圖、手機訂票等多步驟複雜操作。