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。
OpenAI o3是OpenAI最先进的推理模型，专为处理复杂、高认知任务而打造。2025年4月推出，在软件工程、数学和科学问题解决方面表现卓越。该模型引入三种推理力度级别——低、中、高，让用户根据任务复杂度在延迟和推理深度之间取得平衡。o3支持开发者必备工具，包括函数调用、结构化输出和系统级消息。内置视觉能力使o3能解读和分析图像，适用于多模态应用。通过Chat Completions API、Assistants API和Batch API提供，可灵活集成到企业和研究工作流中。
| Qwen2.5-VL-32B | o3 | |
|---|---|---|
提供商 | ||
网站 | ||
发布日期 | Mar 25, 2025 1 个月 ago | Apr 16, 2025 1 周 ago |
模态 | 文本 图像 视频 | 文本 图像 |
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 | $10.00 每百万token |
输出定价 | $0 | $40.00 每百万token |
MMLU | 78.4% 来源 | 82.9% 来源 |
MMLU Pro | 49.5% | - |
MMMU | 70% | - |
HellaSwag | 不可用 | - |
HumanEval | 不可用 | - |
MATH | 82.2% | - |
GPQA | 46.0% Diamond | 83.3% Diamond, no tools 来源 |
IFEval | 不可用 | - |
移动应用 | - |