خلال الأشهر الخمسة الماضية منذ إصدار Qwen2-VL، قام المطورون ببناء نماذج جديدة بناءً عليه، مقدّمين ملاحظات قيّمة. الآن، يقدم Qwen2.5-VL قدرات محسّنة، تشمل التحليل الدقيق للصور والنصوص والرسوم البيانية، بالإضافة إلى تحديد المواقع للكائنات مع مخرجات JSON منظمة. يفهم مقاطع الفيديو الطويلة، ويحدد الأحداث الرئيسية، ويعمل كعميل يتفاعل مع الأدوات على أجهزة الكمبيوتر والهواتف. يتميز هيكل النموذج بمعالجة ديناميكية للفيديو ومشفر ViT مُحسّن لتحسين السرعة والدقة.
GPT-4.1 Nano، الذي أطلقته OpenAI في 14 أبريل 2025، هو أسرع نموذج للشركة وأكثرها affordability حتى الآن. مصمم لمهام زمن الاستجابة المنخفض مثل التصنيف والإكمال التلقائي وسيناريوهات الاستدلال السريع، يجمع بين البنية المدمجة والقدرات القوية. على الرغم من حجمه الصغير، يدعم نافذة سياق مذهلة تصل إلى مليون وحدة ويقدم نتائج قوية في الاختبارات المعيارية، حيث حقق 80.1% في MMLU و50.3% في GPQA. مع حد معرفة في يونيو 2024، يقدم GPT-4.1 Nano قيمة استثنائية بسعر 0.10 دولار فقط لكل مليون وحدة إدخال و0.40 دولار لكل مليون وحدة إخراج، مع خصم 75% للمدخلات المخزنة مؤقتًا، مما يجعله مثاليًا للنشر عالي الحجم الحساس للتكلفة.
| Qwen2.5-VL-32B | GPT-4.1 Nano | |
|---|---|---|
موقع الويب
| ||
المزود
| ||
الدردشة
| ||
تاريخ الإصدار
| ||
الوسائط
| نص صور فيديو | نص صور |
مزودو API
| - | OpenAI API |
تاريخ قطع المعرفة
| غير معروف | - |
مفتوح المصدر
| نعم (المصدر) | لا |
تسعير الإدخال
| $0 | $0.10 لكل مليون رمز |
تسعير الإخراج
| $0 | $0.40 لكل مليون رمز |
MMLU
| 78.4% المصدر | 80.1% المصدر |
MMLU-Pro
| 49.5% | - |
MMMU
| 70% | 55.4% المصدر |
HellaSwag
| غير متاح | - |
HumanEval
| غير متاح | - |
MATH
| 82.2% | - |
GPQA
| 46.0% Diamond | 50.3% Diamond المصدر |
IFEval
| غير متاح | 74.5% المصدر |
SimpleQA
| - | - |
AIME 2024 | - | 29.4% المصدر |
AIME 2025 | - | - |
Aider Polyglot
| - | - |
LiveCodeBench v5
| - | - |
Global MMLU (Lite)
| - | 66.9% المصدر |
MathVista
| - | 56.2% Image Reasoning المصدر |
تطبيق الجوال | - |
Compare AI. Test. Benchmarks. تطبيبات دردشة الجوال, Sketch
Copyright © 2025 All Right Reserved.