Qwen2.5-VL-7B

注意：以下所有模型文件及，须在客户端中下载，如果没有客户端，前往下载 >>>

Qwen2.5-VL-7B-Instruct 是阿里巴巴推出的 Qwen2.5-VL 系列视觉语言模型，参数规模 70 亿。该模型视觉理解能力出色，能精准识别常见物体，还擅长解析图像中的文本、图表等内容；支持多种格式的视觉定位，可通过生成边界框或点定位物体并输出坐标和属性；对发票、表格数据能进行结构化输出，适用于金融、商业领域。它在多语言支持方面表现优秀，支持多种语言文本理解，上下文长度可达 128k tokens，能生成长达 8k tokens 的长文本。在多个基准测试中成绩优异，如 MMMU 测试得分 58.6、DocVQA 测试得分 95.7 等，展现出强大的视觉理解和处理能力。