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。
| Qwen 3 | Qwen2.5-VL-32B | |
|---|---|---|
网站
| ||
提供商
| ||
聊天
| ||
发布日期
| ||
模态
| - | 文本 图像 视频 |
API提供商
| - | - |
知识截止日期
| - | 未知 |
开源
| 是 (来源) | 是 (来源) |
输入定价
| - | $0 |
输出定价
| - | $0 |
MMLU
| - | 78.4% 来源 |
MMLU-Pro
| - | 49.5% |
MMMU
| - | 70% |
HellaSwag
| - | 不可用 |
HumanEval
| - | 不可用 |
MATH
| - | 82.2% |
GPQA
| - | 46.0% Diamond |
IFEval
| - | 不可用 |
SimpleQA
| - | - |
AIME 2024 | 来源 | - |
AIME 2025 | 来源 | - |
Aider Polyglot
| - | - |
LiveCodeBench v5
| - | - |
Global MMLU (Lite)
| - | - |
MathVista
| - | - |
移动应用 | - | - |