Qwen2-VL-72B-Instruct
Alibaba Cloud / Qwen TeamQwenOpen Weighttongyi-qianwen
Descripción
An instruction-tuned, large multimodal model that excels at visual understanding and step-by-step reasoning. It supports image and video input, with dynamic resolution handling and improved positional embeddings (M-ROPE), enabling advanced capabilities such as complex problem solving, multilingual text recognition in images, and agent-like interactions in video contexts.
Fecha de lanzamiento
2024-08-29
Parámetros
73.4B
Longitud del contexto
—
Modalidades
—
Radar de capacidades
80
general
0
coding
70
reasoning
51
scienceest.
49
agents
90
multimodal
Science se estima a partir de las puntuaciones científicas de LLM Stats o del razonamiento cuando no hay benchmarks científicos dedicados.
Rankings
| Dominio | #Posición | Puntuación | Fuente |
|---|---|---|---|
| Ranking multimodal | 35 | 54.0 | LS |
Puntuaciones de benchmarks (LLM Stats)
(LLM Stats (zeroeval))General
MMVetGPT4Turbo
74.0%Aut.
MMMUval
64.5%Aut.
MMMU-Pro
46.2%Aut.
Image To Text
OCRBench
87.7%Aut.
TextVQA
85.5%Aut.
Long Context
EgoSchema
77.9%Aut.
Math
MathVista-Mini
70.5%Aut.
Multimodal
DocVQAtest
96.5%Aut.
ChartQAMasry et al. (2022)
88.3%Aut.
MMBench
86.5%Aut.
InfoVQAtest
84.5%Aut.
MVBench
73.6%Aut.
MTVQA
30.9%Aut.
Reasoning
VCR_en_easy
91.9%Aut.
Spatial Reasoning
RealWorldQA
77.8%Aut.
Índices de evaluación AA
(Artificial Analysis)No hay datos de evaluación AA disponibles
Puntuaciones por categoría LLM Stats
(LLM Stats (zeroeval))Image To Text90
Long Context80
Multimodal80
Spatial Reasoning80
General80
Vision80
Math70
Reasoning70
Video70
Healthcare60
Precios
No hay datos de precios disponibles
Velocidad
No hay datos de velocidad disponibles
Ranking de Precios por Proveedor
No hay datos de proveedores disponibles