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 Proは、Googleのこれまでで最も先進的なモデルで、卓越したコーディング性能と複雑なプロンプトの容易な処理を提供します。ネイティブツール統合、画像生成、音声合成などの強化された機能を備えています。高度な推論向けに設計され、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。Google AI StudioとVertex AIを介して利用可能で、以前のバージョンに比べて大幅な性能向上を提供しながら高い効率を維持します。
| Qwen2.5-VL-32B | Gemini 2.0 Pro | |
|---|---|---|
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% | 79.1% ソース |
MMMU | 70% | 72.7% ソース |
HellaSwag | 利用不可 | 利用不可 |
HumanEval | 利用不可 | 利用不可 |
MATH | 82.2% | 91.8% ソース |
GPQA | 46.0% Diamond | 64.7% 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.