Per pastaruosius penkis mėnesius nuo Qwen2-VL išleidimo kūrėjai sukūrė naujus modelius, paremtus juo, suteikdami vertingų atsiliepimų. Dabar Qwen2.5-VL pristato patobulintas galimybes, įskaitant tikslų vaizdų, teksto ir diagramų analizę bei objektų lokalizavimą su struktūruotomis JSON išvestimis. Jis supranta ilgus vaizdo įrašus, nustato pagrindinius įvykius ir veikia kaip agentas, bendraujantis su įrankiais kompiuteriuose ir telefonuose. Modelio architektūra apima dinaminį vaizdo įrašų apdorojimą ir optimizuotą ViT kodavimo įrenginį, skirtą greičiui ir tikslumui padidinti.
Gemini 2.0 Flash yra „Google“ didelio našumo, mažos delsimos modelis, skirtas pažangioms agentinėms patirtims. Turėdamas gimtąjį įrankių integravimą, jis palaiko daugialypes įvestis, įskaitant tekstą, vaizdus, vaizdo įrašus ir garsą. Su didelėmis patobulinimais, palyginti su ankstesnėmis versijomis, modelis suderina efektyvumą, greitį ir patobulintas galimybes sklandžioms realaus laiko sąveikoms.
| Qwen2.5-VL-32B | Gemini 2.0 Flash | |
|---|---|---|
Tiekėjas | ||
Internetinė svetainė | ||
Išleidimo data | Mar 25, 2025 1 mėnuo ago | Dec 11, 2024 4 mėnesiai ago |
Modalumai | tekstas vaizdai vaizdo | tekstas vaizdai balso vaizdo |
API tiekėjai | - | Google AI Studio, Vertex AI |
Žinių nutraukimo data | Nežinoma | 08.2024 |
Atvirojo kodo | Taip (Šaltinis) | Ne |
Įvesties kaina | $0 | $0.10 už milijoną žodžių |
Išvesties kaina | $0 | $0.40 už milijoną žodžių |
MMLU | 78.4% Šaltinis | Nėra prieinama |
MMLU Pro | 49.5% | 77.6% Šaltinis |
MMMU | 70% | 71.7% Šaltinis |
HellaSwag | Nėra prieinama | Nėra prieinama |
HumanEval | Nėra prieinama | Nėra prieinama |
MATH | 82.2% | 90.9% Šaltinis |
GPQA | 46.0% Diamond | 60.1% Diamond Šaltinis |
IFEval | Nėra prieinama | Nėra prieinama |
Mobilioji programa | - |
Compare AI. Test. Benchmarks. Mobiliosios pokalbių robotų programos, Sketch
Copyright © 2025 All Right Reserved.