Qwen2-VL-72B-Instruct
Alibaba Cloud / Qwen TeamQwenОткрытые весаtongyi-qianwen
Описание
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.
Дата выхода
2024-08-29
Параметры
73.4B
Длина контекста
—
Модальности
—
Радар способностей
80
general
0
coding
70
reasoning
51
scienceоцен.
49
agents
90
multimodal
При отсутствии специализированных научных бенчмарков Science оценивается по научным категориям LLM Stats или на основе рассуждений.
Рейтинги
| Домен | #Место | Оценка | Источник |
|---|---|---|---|
| Мультимодальный рейтинг | 36 | 53.0 | LS |
Оценки бенчмарков (LLM Stats)
(LLM Stats (zeroeval))General
MMVetGPT4Turbo
74.0%Сам.
MMMUval
64.5%Сам.
MMMU-Pro
46.2%Сам.
Image To Text
OCRBench
87.7%Сам.
TextVQA
85.5%Сам.
Long Context
EgoSchema
77.9%Сам.
Math
MathVista-Mini
70.5%Сам.
Multimodal
DocVQAtest
96.5%Сам.
ChartQAMasry et al. (2022)
88.3%Сам.
MMBench
86.5%Сам.
InfoVQAtest
84.5%Сам.
MVBench
73.6%Сам.
MTVQA
30.9%Сам.
Reasoning
VCR_en_easy
91.9%Сам.
Spatial Reasoning
RealWorldQA
77.8%Сам.
Индексы оценки AA
(Artificial Analysis)Нет данных AA оценки
Оценки категорий LLM Stats
(LLM Stats (zeroeval))Image To Text90
Long Context80
Multimodal80
Spatial Reasoning80
General80
Vision80
Math70
Reasoning70
Video70
Healthcare60
Цены
Нет данных о ценах
Скорость
Нет данных о скорости
Рейтинг цен провайдеров
Нет данных провайдеров