मुख्य सामग्री पर जाएं

Qwen2.5 VL 32B Instruct

Alibaba Cloud / Qwen TeamQwenOpen WeightApache 2.0 · Commercial OK

विवरण

Qwen2.5-VL is a vision-language model from the Qwen family. Key enhancements include visual understanding (objects, text, charts, layouts), visual agent capabilities (tool use, computer/phone control), long video comprehension with event pinpointing, visual localization (bounding boxes/points), and structured output generation.

रिलीज़ तिथि
2025-02-28
पैरामीटर
33.5B
संदर्भ लंबाई
मोडैलिटीज़

क्षमता रडार

50
general
90
coding
70
reasoning
43
scienceअनुमानित
40
agents
70
multimodal

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

रैंकिंग

डोमेन#रैंकस्कोरस्रोत
Agents & Tools94
33.0
LS
Multimodal Ranking65
66.0
LS

बेंचमार्क स्कोर (LLM Stats)

Agents

AITZ_EM83.1%स्वयं
AndroidWorld_SR22.0%स्वयं
OSWorld5.9%स्वयं

Biology

GPQA46.0%स्वयं

Code

HumanEval91.5%स्वयं

Finance

MMLU78.4%स्वयं
MMLU-Pro68.8%स्वयं

General

MBPP0.84 / 100स्वयं
MMMU70.0%स्वयं
MMStar69.5%स्वयं
MMMU-Pro49.5%स्वयं

Grounding

ScreenSpot88.5%स्वयं
ScreenSpot Pro39.4%स्वयं

Image To Text

DocVQA94.8%स्वयं
OCRBench-V2 (zh)59.1%स्वयं
OCRBench-V2 (en)57.2%स्वयं

Language

CharadesSTA54.2%स्वयं

Long Context

LVBench49.0%स्वयं

Math

MATH82.2%स्वयं
MathVista-Mini74.7%स्वयं
MathVision38.4%स्वयं

Multimodal

Android Control Low_EM93.3%स्वयं
InfoVQA83.4%स्वयं
VideoMME w sub.77.9%स्वयं
CC-OCR77.1%स्वयं
VideoMME w/o sub.70.5%स्वयं
Android Control High_EM69.6%स्वयं
MMBench-Video1.9%स्वयं

AA मूल्यांकन सूचकांक

कोई AA मूल्यांकन डेटा उपलब्ध नहीं

LLM Stats श्रेणी स्कोर

Code
90
Structured Output
80
Text-to-image
80
Finance
70
Healthcare
70
Image To Text
70
Language
70
Legal
70
Math
70
Spatial Reasoning
60
Vision
60
Grounding
60
Multimodal
60
Reasoning
60
Video
50
Biology
50
Chemistry
50
General
50
Long Context
50
Physics
50
Agents
40

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