阿里开源32B视觉模型Qwen2.5-VL
阿里通义千问团队在1月底发布Qwen2.5-VL系列后,继续用强化学习优化模型,开源了32B参数规模的Qwen2.5-VL-32B-Instruct,采用Apache 2.0协议。相比前代,新模型在输出风格上更贴合人类偏好,回答更详细、格式更清晰;数学推理准确率大幅提升;在图像解析、内容识别和视觉逻辑推理等细粒度任务上也有增强。基准测试显示,该模型在同规模模型中表现领先,甚至超过了更大的Qwen2-VL-72B-Instruct。 这一发布值得关注,因为它表明中等参数规模的视觉语言模型仍有优化空间。通过强化学习而非单纯扩大参数,模型在多模态推理任务如MMMU、MathVista上取得优势,同时纯文本能力也达到同规模顶级水平。这意味着开源社区能以更低成本获得接近大模型的多模态能力,可能推动更多中小团队在视觉问答、文档解析、教育辅助等场景中落地应用,也会给闭源商业模型带来一定竞争压力。 对开发者和研究者来说,这个模型提供了可直接使用的开源多模态工具,适合需要图像理解与数学推理结合的场景,比如自动解题、图表分析、驾驶辅助判断等。企业若想在本地部署视觉语言模型,32B规模在效果和资源消耗之间较为平衡。普通用户也可通过通义千问体验相关能力。需要注意的是,模型仍可能出错,关键任务中应人工复核。
原文:Qwen 官方博客
资讯内容仅供参考;产品功能、价格与发布日期请以原文和官方公告为准。查看原始来源 ↗
会员留言