快科技1月28日新闻，明天，阿里云通义千问开源全新的视觉模子Qwen2.5-VL，推出3B、7B跟72B三个尺寸版本。此中，旗舰版Qwen2.5-VL-72B在13项威望评测中夺得视觉懂得冠军，超出GPT-4o与Claude3.5。官方先容称，新的Qwen2.5-VL能更正确地剖析图像内容，冲破性地支撑超1小时的视频懂得，能够在视频中搜寻详细变乱，并对视频的差别时光段停止要点总结，从而疾速、高效地辅助用户提取视频中储藏的要害信息。并且无需微调就可变身为一个能操控手机跟电脑的AI视觉智能体（Visual Agents），实现给指定友人送祝愿、电脑修图、手机订票等多步调庞杂操纵。Qwen2.5-VL 不只善于辨认罕见物体，如花、鸟、鱼跟虫豸，还可能剖析图像中的文本、图表、图标、图形跟规划。别的，Qwen2.5-VL将OCR辨认才能晋升至一个新的程度，加强了多场景、多言语跟多偏向的文本辨认跟文本定位才能。同时，在信息抽取才能长进行年夜幅度加强，以满意日益增加的天资考核、金融商务等数字化、智能化需要。【本文停止】如需转载请务必注明出处：快科技义务编纂：随心[db:摘要]
