自 Qwen2-VL 发布以来的五个月里，开发者基于该模型构建了新模型，并提供了宝贵的反馈。现在，Qwen2.5-VL 引入了更强的功能，包括对图像、文本和图表的精准分析，以及通过结构化 JSON 输出进行对象定位。它能够理解长视频，识别关键事件，并作为智能代理与计算机和手机上的工具交互。该模型的架构采用了动态视频处理和优化的 ViT 编码器，以提升处理速度和准确性。
Anthropic开发的Claude 3.5 Haiku提供200,000 token的上下文窗口。定价为每百万输入token 1美元，每百万输出token 5美元，通过提示缓存可节省高达90%，通过消息批处理API可节省50%。2024年11月4日发布，擅长代码补全、交互式聊天机器人、数据提取标注以及实时内容审核。
| Qwen2.5-VL-32B | Claude 3.5 Haiku | |
|---|---|---|
提供商 | ||
网站 | ||
发布日期 | Mar 25, 2025 1 个月 ago | Nov 04, 2024 5 个月 ago |
模态 | 文本 图像 视频 | 文本 |
API提供商 | - | Anthropic, AWS Bedrock, Vertex AI |
知识截止日期 | 未知 | 01.04.2024 |
开源 | 是 (来源) | 否 |
输入定价 | $0 | $0.80 每百万token |
输出定价 | $0 | $4.00 |
MMLU | 78.4% 来源 | 不可用 |
MMLU Pro | 49.5% | 65% 0-shot CoT 来源 |
MMMU | 70% | 不可用 |
HellaSwag | 不可用 | 不可用 |
HumanEval | 不可用 | 88.1% 0-shot 来源 |
MATH | 82.2% | 69.4% 0-shot CoT 来源 |
GPQA | 46.0% Diamond | 不可用 |
IFEval | 不可用 | 不可用 |
移动应用 | - |