Qwen2-VL：Qwen系列已在开源的路上一骑绝尘

文章预览

昨天睡太早了，起来之后，就被Qwen2-VL开源消息刷屏了。 良心Qwen，开源了Qwen2-VL的2B和7B，72B需要API调用暂未开源。 该说不说Qwen系列模型真的是在开源路上一骑绝尘，全全全！ vl、audio、text连续更新，kpi直接拉满！ HF: https://huggingface.co/collections/Qwen/qwen2-vl-66cee7455501d7126940800d Blog: https://qwenlm.github.io/blog/qwen2-vl/ 啥也不说，先看榜单。 72B效果 7B效果 对比Qwen-VL Qwen2-VL相比Qwen-VL，有如下改进： 适配不同分辨率和不同长宽比的图片 长视频理解：可以理解20分钟以上的长视频 更强的复杂推理和决策的能力，可根据视觉环境和文字指令进行自动操作手机、机器人等设备 支持除英语和中文外，也支持大多数欧洲语言、日语、韩语、阿拉伯语、越南语等多语言 模型结构上ViT加Qwen2的串联结构，在三个不同尺度的模型上，均采用600M的ViT，支持图像和视频统一输入 ………………………………