跳轉到主要內容

Qwen2-VL-72B-Instruct

Alibaba Cloud / Qwen TeamQwenOpen Weighttongyi-qianwen

描述

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.

發布日期
2024-08-29
參數規模
73.4B
上下文長度
支援模態

能力雷達圖

60
general
0
coding
70
reasoning
51
science估算
0
agents
90
multimodal

Science 在缺少專門科學評測時使用推理能力代理估算。

排行榜排名

領域#排名分數來源
多模态榜36
78.0
LS
推理能力6
92.0
LS

基準測試分數 (LLM Stats)

General

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

Image To Text

OCRBench87.7%自報
TextVQA85.5%自報

Long Context

EgoSchema77.9%自報

Math

MathVista-Mini70.5%自報

Multimodal

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

Reasoning

VCR_en_easy91.9%自報

Spatial Reasoning

RealWorldQA77.8%自報

AA 評測指數

暫無 AA 評測資料

LLM Stats 分類評分

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

定價

暫無定價資料

速度

暫無速度資料

可用提供商

(LS 內部計價單位)

暫無提供商資料

外部連結