W ciągu pięciu miesięcy od wydania Qwen2-VL deweloperzy zbudowali na jego podstawie nowe modele, dostarczając cennych opinii. Teraz Qwen2.5-VL wprowadza ulepszone możliwości, w tym precyzyjną analizę obrazów, tekstów i wykresów oraz lokalizację obiektów ze strukturalnymi wynikami JSON. Rozumie długie filmy, identyfikuje kluczowe wydarzenia i działa jako agent, współpracujący z narzędziami na komputerach i telefonach. Architektura modelu obejmuje dynamiczne przetwarzanie wideo i zoptymalizowany enkoder ViT dla lepszej szybkości i dokładności.
Gemini 2.0 Pro to najnowocześniejszy model Google do tej pory, zapewniający wyjątkową wydajność w kodowaniu i z łatwością radzący sobie ze skomplikowanymi zapytaniami. Wyposażony jest w zaawansowane funkcje, takie jak natywna integracja narzędzi, generowanie obrazów i synteza mowy. Zaprojektowany z myślą o zaawansowanym rozumowaniu, model obsługuje wejścia multimodalne, w tym tekst, obrazy, wideo i dźwięk. Dostępny za pośrednictwem Google AI Studio i Vertex AI, oferuje znaczną poprawę wydajności w porównaniu do poprzednich wersji, jednocześnie zachowując wysoką efektywność.
| Qwen2.5-VL-32B | Gemini 2.0 Pro | |
|---|---|---|
Dostawca | ||
Strona internetowa | ||
Data wydania | Mar 25, 2025 4 tygodnie ago | Dec 11, 2024 4 miesiące ago |
Modalności | tekst obrazy wideo | tekst obrazy głos wideo |
Dostawcy API | - | Google AI Studio, Vertex AI |
Data ostatniej aktualizacji wiedzy | Nieznane | 08.2024 |
Open Source | Tak (Źródło) | Nie |
Cena za wejście | $0 | $0.10 za milion tokenów |
Cena za wyjście | $0 | $0.40 za milion tokenów |
MMLU | 78.4% Źródło | Niedostępne |
MMLU Pro | 49.5% | 79.1% Źródło |
MMMU | 70% | 72.7% Źródło |
HellaSwag | Niedostępne | Niedostępne |
HumanEval | Niedostępne | Niedostępne |
MATH | 82.2% | 91.8% Źródło |
GPQA | 46.0% Diamond | 64.7% Diamond Źródło |
IFEval | Niedostępne | Niedostępne |
Aplikacja mobilna | - |
Compare AI. Test. Benchmarks. Chatboty mobilne, Sketch
Copyright © 2025 All Right Reserved.