In den fünf Monaten seit der Veröffentlichung von Qwen2-VL haben Entwickler darauf basierende neue Modelle erstellt und wertvolles Feedback gegeben. Jetzt führt Qwen2.5-VL verbesserte Fähigkeiten ein, darunter präzise Analyse von Bildern, Texten und Diagrammen sowie Objektlokalisierung mit strukturierten JSON-Ausgaben. Es versteht lange Videos, erkennt Schlüsselereignisse und fungiert als Agent, der mit Tools auf Computern und Telefonen interagiert. Die Architektur des Modells umfasst dynamische Videoverarbeitung und einen optimierten ViT-Encoder für verbesserte Geschwindigkeit und Genauigkeit.
| Qwen2.5-VL-32B | GPT-4.1 Nano | |
|---|---|---|
Webseite
| ||
Anbieter
| ||
Chat
| ||
Veröffentlichungsdatum
| ||
Modalitäten
| Text Bilder Video | Text Bilder |
API-Anbieter
| - | OpenAI API |
Datum des Wissensstandes
| Unbekannt | - |
Open Source
| Ja (Quelle) | Nein |
Preisgestaltung Eingabe
| $0 | $0.10 pro Million Token |
Preisgestaltung Ausgabe
| $0 | $0.40 pro Million Token |
MMLU
| 78.4% Quelle | 80.1% Quelle |
MMLU-Pro
| 49.5% | - |
MMMU
| 70% | 55.4% Quelle |
HellaSwag
| Nicht verfügbar | - |
HumanEval
| Nicht verfügbar | - |
MATH
| 82.2% | - |
GPQA
| 46.0% Diamond | 50.3% Diamond Quelle |
IFEval
| Nicht verfügbar | 74.5% Quelle |
SimpleQA
| - | - |
AIME 2024 | - | 29.4% Quelle |
AIME 2025 | - | - |
Aider Polyglot
| - | - |
LiveCodeBench v5
| - | - |
Global MMLU (Lite)
| - | 66.9% Quelle |
MathVista
| - | 56.2% Image Reasoning Quelle |
Mobile Anwendung | - |
Compare AI. Test. Benchmarks. Mobile Chatbot-Apps, Sketch
Copyright © 2025 All Right Reserved.