मुख्य सामग्री पर जाएं
AITier

Qwen2-VL-72B-Instruct

Alibaba Cloud / Qwen TeamQwenOpen Weighttongyi-qianwen

विवरण

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.

रिलीज़ तिथि
2024-08-29
पैरामीटर
73.4B
संदर्भ लंबाई
—
मोडैलिटीज़
—

क्षमता रडार

60
general
0
coding
70
reasoning
51
scienceअनुमानित
0
agents
90
multimodal

समर्पित विज्ञान बेंचमार्क उपलब्ध न होने पर Science तर्क प्रॉक्सी का उपयोग करके अनुमान लगाता है।

रैंकिंग

डोमेन#रैंकस्कोरस्रोत
Multimodal Ranking36
78.0
LS
Reasoning6
92.0
LS

बेंचमार्क स्कोर (LLM Stats)

General

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

Image To Text

OCRBench87.7%स्वयं
TextVQA85.5%स्वयं

Long Context

EgoSchema77.9%स्वयं

Math

MathVista-Mini70.5%स्वयं

Multimodal

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

Reasoning

VCR_en_easy91.9%स्वयं

Spatial Reasoning

RealWorldQA77.8%स्वयं

AA मूल्यांकन सूचकांक

कोई AA मूल्यांकन डेटा उपलब्ध नहीं

LLM Stats श्रेणी स्कोर

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

मूल्य निर्धारण

कोई मूल्य डेटा उपलब्ध नहीं

गति

कोई गति डेटा उपलब्ध नहीं

उपलब्ध प्रदाता

(LS आंतरिक इकाइयाँ)

कोई प्रदाता डेटा उपलब्ध नहीं

बाहरी लिंक

LLM Stats