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。
Mistral开发的Mistral Large 2提供128K token上下文窗口，定价为每百万输入token 3美元，每百万输出token 9美元。2024年7月24日发布，在5-shot评估的MMLU基准测试中获得84.0分，展现多任务处理的强大性能。
| Qwen2.5-VL-32B | Mistral Large 2 | |
|---|---|---|
提供商 | ||
网站 | ||
发布日期 | Mar 25, 2025 4 周 ago | Jun 24, 2024 9 个月 ago |
模态 | 文本 图像 视频 | 文本 |
API提供商 | - | Azure AI, AWS Bedrock, Google AI Studio, Vertex AI, Snowflake Cortex |
知识截止日期 | 未知 | 未知 |
开源 | 是 (来源) | 是 |
输入定价 | $0 | $3.00 每百万token |
输出定价 | $0 | $9.00 每百万token |
MMLU | 78.4% 来源 | 84% 5-shot 来源 |
MMLU Pro | 49.5% | 50.69% 来源 |
MMMU | 70% | 不可用 |
HellaSwag | 不可用 | 不可用 |
HumanEval | 不可用 | 不可用 |
MATH | 82.2% | 1.13% 来源 |
GPQA | 46.0% Diamond | 24.94% |
IFEval | 不可用 | 84.01% |
移动应用 | - | - |