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
80
general
0
coding
70
reasoning
51
scienceest.
49
agents
90
multimodal
Science est estimé à partir des scores scientifiques de LLM Stats ou du raisonnement lorsque les benchmarks scientifiques dédiés ne sont pas disponibles.
Classements
| Domaine | #Rang | Score | Source |
|---|---|---|---|
| Classement multimodal | 35 | 54.0 | LS |
Scores 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.
Indices d'évaluation AA
(Artificial Analysis)Aucune donnée d'évaluation AA disponible
Scores par catégorie LLM Stats
(LLM Stats (zeroeval))Image To Text90
Long Context80
Multimodal80
Spatial Reasoning80
General80
Vision80
Math70
Reasoning70
Video70
Healthcare60
Tarification
Aucune donnée de prix disponible
Vitesse
Aucune donnée de vitesse disponible
Classement des Prix par Fournisseur
Aucune donnée de fournisseur disponible