Passer au contenu principal
AITier

Qwen2-VL-72B-Instruct

Alibaba Cloud / Qwen TeamQwenOpen Weighttongyi-qianwen

Description

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.

Date de sortie
2024-08-29
Paramètres
73.4B
Longueur du contexte
—
Modalités
—

Radar de capacités

60
general
0
coding
70
reasoning
51
scienceest.
0
agents
90
multimodal

Science utilise un proxy de raisonnement lorsque les benchmarks scientifiques dédiés ne sont pas disponibles.

Classements

Domaine#RangScoreSource
Multimodal Ranking36
78.0
LS
Reasoning6
92.0
LS

Scores de benchmarks (LLM Stats)

General

MMVetGPT4Turbo74.0%Aut.
MMMUval64.5%Aut.
MMMU-Pro46.2%Aut.

Image To Text

OCRBench87.7%Aut.
TextVQA85.5%Aut.

Long Context

EgoSchema77.9%Aut.

Math

MathVista-Mini70.5%Aut.

Multimodal

DocVQAtest96.5%Aut.
ChartQA88.3%Aut.
MMBench86.5%Aut.
InfoVQAtest84.5%Aut.
MVBench73.6%Aut.
MTVQA30.9%Aut.

Reasoning

VCR_en_easy91.9%Aut.

Spatial Reasoning

RealWorldQA77.8%Aut.

Indices d'évaluation AA

Aucune donnée d'évaluation AA disponible

Scores par catégorie LLM Stats

Image To Text
90
Spatial Reasoning
80
Vision
80
Long Context
80
Multimodal
80
Video
70
Math
70
Reasoning
70
General
60
Healthcare
60

Tarification

Aucune donnée de prix disponible

Vitesse

Aucune donnée de vitesse disponible

Fournisseurs disponibles

(Unités internes LS)

Aucune donnée de fournisseur disponible

Sources externes

LLM Stats