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。
Llama 3.3 70B Instructは、Metaによって作成された多言語大規模言語モデルで、指示ベースのタスクに特化してファインチューニングされ、会話アプリケーション向けに最適化されています。128,000トークンまでのコンテキストウィンドウをサポートし、複数の言語でテキストを処理および生成できます。2024年12月6日にリリースされ、さまざまな業界ベンチマークで数多くのオープンソースおよびプロプライエタリチャットモデルを上回ります。スケーラビリティを向上させるためにGrouped-Query Attention（GQA）を利用し、公開されているソースから15兆トークンを超える多様なデータセットでトレーニングされています。モデルの知識は2023年12月まで最新です。
| Qwen2.5-VL-32B | Llama 3.3 70B Instruct | |
|---|---|---|
ウェブサイト
| ||
プロバイダー
| ||
チャット
| ||
リリース日
| ||
モダリティ
| テキスト 画像 動画 | テキスト |
APIプロバイダー
| - | Fireworks, Together, DeepInfra, Hyperbolic |
知識のカットオフ日
| 不明 | 12.2024 |
オープンソース
| はい (ソース) | はい |
入力料金
| $0 | $0.23 100万トークンあたり |
出力料金
| $0 | $0.40 100万トークンあたり |
MMLU
| 78.4% ソース | 86% 0-shot, CoT ソース |
MMLU-Pro
| 49.5% | 68.9% 5-shot, CoT ソース |
MMMU
| 70% | 利用不可 |
HellaSwag
| 利用不可 | 利用不可 |
HumanEval
| 利用不可 | 88.4% pass@1 ソース |
MATH
| 82.2% | 77% 0-shot, CoT ソース |
GPQA
| 46.0% Diamond | 50.5% 0-shot, CoT ソース |
IFEval
| 利用不可 | 92.1% ソース |
SimpleQA
| - | - |
AIME 2024 | - | - |
AIME 2025 | - | - |
Aider Polyglot
| - | - |
LiveCodeBench v5
| - | - |
Global MMLU (Lite)
| - | - |
MathVista
| - | - |
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.