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。
| Qwen2.5-VL-32B | Llama 4 Maverick | |
|---|---|---|
プロバイダー | ||
ウェブサイト | ||
リリース日 | Mar 25, 2025 4 週 ago | Apr 05, 2025 2 週 ago |
モダリティ | テキスト 画像 動画 | テキスト 画像 動画 |
APIプロバイダー | - | Meta AI, Hugging Face, Fireworks, Together, DeepInfra |
知識のカットオフ日 | 不明 | 2024-08 |
オープンソース | はい (ソース) | はい (ソース) |
入力料金 | $0 | 利用不可 |
出力料金 | $0 | 利用不可 |
MMLU | 78.4% ソース | 利用不可 |
MMLU Pro | 49.5% | 80.5% ソース |
MMMU | 70% | 73.4% ソース |
HellaSwag | 利用不可 | 利用不可 |
HumanEval | 利用不可 | 利用不可 |
MATH | 82.2% | 利用不可 |
GPQA | 46.0% Diamond | 69.8% 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.