通义千问Qwen2-VL开源，API可直接调用！

文章预览

通义千问宣布开源第二代视觉语言模型Qwen2-VL，并推出2B、7B两个尺寸及其量化版本模型。同时，旗舰模型Qwen2-VL-72B的API已上线阿里云百炼平台，用户可直接调用。 #  性能全面提升 相比上代模型，Qwen2-VL的基础性能全面提升，交出了一份新的成绩单： 读懂不同分辨率和不同长宽比的图片， 在DocVQA、RealWorldQA、MTVQA 等基准测试创下全球领先的表现； 理解20分钟以上长视频， 支持基于视频的问答、对话和内容创作等应用； 具备 强大的视觉智能体能力 ，可自主操作手机和机器人，借助复杂推理和决策的能力，Qwen2-VL 可以集成到手机、机器人等设备，根据视觉环境和文字指令进行自动操作； 理解图像视频中的多语言文本 ，包括中文、英文，大多数欧洲语言，日语、韩语、阿拉伯语、越南语等。 通义千问团队从六个方面评估了模型能力，包括综合的大学 ………………………………