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.
| Qwen2.5-VL-32B | GPT-4.1 Nano | |
|---|---|---|
Strona internetowa
| ||
Dostawca
| ||
Czat
| ||
Data wydania
| ||
Modalności
| tekst obrazy wideo | tekst obrazy |
Dostawcy API
| - | OpenAI API |
Data ostatniej aktualizacji wiedzy
| Nieznane | - |
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 | 80.1% Źródło |
MMLU-Pro
| 49.5% | - |
MMMU
| 70% | 55.4% Źródło |
HellaSwag
| Niedostępne | - |
HumanEval
| Niedostępne | - |
MATH
| 82.2% | - |
GPQA
| 46.0% Diamond | 50.3% Diamond Źródło |
IFEval
| Niedostępne | 74.5% Źródło |
SimpleQA
| - | - |
AIME 2024 | - | 29.4% Źródło |
AIME 2025 | - | - |
Aider Polyglot
| - | - |
LiveCodeBench v5
| - | - |
Global MMLU (Lite)
| - | 66.9% Źródło |
MathVista
| - | 56.2% Image Reasoning Źródło |
Aplikacja mobilna | - |
Compare AI. Test. Benchmarks. Chatboty mobilne, Sketch
Copyright © 2025 All Right Reserved.