Qwen2-VL のリリースから過去5か月間で、開発者はこれを基に新しいモデルを構築し、貴重なフィードバックを提供しました。今回の Qwen2.5-VL は、画像・テキスト・チャートの正確な分析や、構造化された JSON 出力によるオブジェクトのローカライズ機能を強化しています。また、長尺の動画を理解し、重要なイベントを特定し、コンピューターやスマートフォン上のツールと対話するエージェントとして機能します。モデルのアーキテクチャには、動的な動画処理機能と最適化された ViT エンコーダーが組み込まれ、処理速度と精度が向上しています。
Gemini 2.0 Flashは、Googleの高性能で低遅延のモデルで、高度なエージェント体験を実現するために設計されています。ネイティブツール統合を備え、テキスト、画像、動画、音声を含むマルチモーダル入力をサポートします。以前のバージョンに比べて大幅な改善を提供し、効率、速度、強化された機能をバランスよく組み合わせ、シームレスなリアルタイムインタラクションを実現します。
| Qwen2.5-VL-32B | Gemini 2.0 Flash | |
|---|---|---|
プロバイダー | ||
ウェブサイト | ||
リリース日 | Mar 25, 2025 4 週 ago | Dec 11, 2024 4 ヶ月 ago |
モダリティ | テキスト 画像 動画 | テキスト 画像 音声 動画 |
APIプロバイダー | - | Google AI Studio, Vertex AI |
知識のカットオフ日 | 不明 | 08.2024 |
オープンソース | はい (ソース) | いいえ |
入力料金 | $0 | $0.10 100万トークンあたり |
出力料金 | $0 | $0.40 100万トークンあたり |
MMLU | 78.4% ソース | 利用不可 |
MMLU Pro | 49.5% | 77.6% ソース |
MMMU | 70% | 71.7% ソース |
HellaSwag | 利用不可 | 利用不可 |
HumanEval | 利用不可 | 利用不可 |
MATH | 82.2% | 90.9% ソース |
GPQA | 46.0% Diamond | 60.1% Diamond ソース |
IFEval | 利用不可 | 利用不可 |
モバイルアプリケーション | - |
Compare AI. Test. Benchmarks. モバイルアプリチャットボット, Sketch
Copyright © 2025 All Right Reserved.