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。
| Qwen2.5-VL-32B | GPT-5 | |
|---|---|---|
网站
| ||
提供商
| ||
聊天
| ||
发布日期
| ||
模态
| 文本 图像 视频 | 文本 图像 语音 视频 |
API提供商
| - | OpenAI API |
知识截止日期
| 未知 | - |
开源
| 是 (来源) | 否 |
输入定价
| $0 | - |
输出定价
| $0 | - |
MMLU
| 78.4% 来源 | - |
MMLU-Pro
| 49.5% | - |
MMMU
| 70% | 84.2% 来源 |
HellaSwag
| 不可用 | - |
HumanEval
| 不可用 | 24.8% Full Set 来源 |
MATH
| 82.2% | - |
GPQA
| 46.0% Diamond | 85.7% Diamond 来源 |
IFEval
| 不可用 | - |
SimpleQA
| - | - |
AIME 2024 | - | - |
AIME 2025 | - | 94.6% 来源 |
Aider Polyglot
| - | 88.0% Multi-language code editing 来源 |
LiveCodeBench v5
| - | - |
Global MMLU (Lite)
| - | - |
MathVista
| - | - |
移动应用 | - | - |