Qwen2-VL-72B-Instruct
Alibaba Cloud / Qwen TeamQwenओपन वेटtongyi-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
80
general
0
coding
70
reasoning
51
scienceअनुमानित
49
agents
90
multimodal
समर्पित विज्ञान बेंचमार्क उपलब्ध न होने पर Science का अनुमान LLM Stats विज्ञान स्कोर या तर्क से लगाया जाता है।
रैंकिंग
| डोमेन | #रैंक | स्कोर | स्रोत |
|---|---|---|---|
| मल्टीमॉडल रैंकिंग | 100 | 46.0 | LS |
बेंचमार्क स्कोर (LLM Stats)
(LLM Stats (zeroeval))Math
MathVista-Mini
70.5%स्वयं
Reasoning
ChartQAMasry et al. (2022)
88.3%स्वयं
Vision
DocVQAtest
96.5%स्वयं
VCR_en_easy
91.9%स्वयं
OCRBench
87.7%स्वयं
MMBench
86.5%स्वयं
TextVQA
85.5%स्वयं
InfoVQAtest
84.5%स्वयं
EgoSchema
77.9%स्वयं
RealWorldQA
77.8%स्वयं
MMVetGPT4Turbo
74.0%स्वयं
MVBench
73.6%स्वयं
MMMUval
64.5%स्वयं
MMMU-Pro
46.2%स्वयं
MTVQA
30.9%स्वयं
AA मूल्यांकन सूचकांक
(Artificial Analysis)कोई AA मूल्यांकन डेटा उपलब्ध नहीं
LLM Stats श्रेणी स्कोर
(LLM Stats (zeroeval))Image To Text90
Long Context80
Multimodal80
Spatial Reasoning80
General80
Vision80
Math70
Reasoning70
Video70
Healthcare60
मूल्य निर्धारण
कोई मूल्य डेटा उपलब्ध नहीं
गति
कोई गति डेटा उपलब्ध नहीं
प्रदाता मूल्य रैंकिंग
कोई प्रदाता डेटा उपलब्ध नहीं