Qwen: Qwen2.5-VL 7B Instruct

Qwen2.5-VL 7B Instruct, de l'équipe Qwen, est un modèle de langage multimodal de grande taille très avancé, conçu pour une compréhension visuelle supérieure. Il atteint des performances de pointe sur divers benchmarks visuels, y compris MathVista, DocVQA, RealWorldQA et MTVQA, démontrant une compréhension exceptionnelle des images, quelle que soit leur résolution ou leur rapport d'aspect. Au-delà des images statiques, Qwen2.5-VL 7B Instruct peut comprendre des vidéos de plus de 20 minutes, permettant des réponses aux questions basées sur la vidéo de haute qualité, des dialogues et la création de contenu. Ses capacités avancées de raisonnement et de prise de décision lui permettent de fonctionner comme un agent, opérant des appareils mobiles ou des robots basés sur des environnements visuels et des instructions textuelles. Le modèle offre également un support multilingue robuste, comprenant les textes dans les images dans de nombreuses langues, y compris les langues européennes, le japonais, le coréen, l'arabe et le vietnamien. Il dispose d'une fenêtre contextuelle de 32K tokens et d'une sortie maximale de 4K tokens, au prix de 0,20 $/0,20 $ par million de tokens (entrée/sortie). Accédez gratuitement à ce puissant modèle de vision sur Multi AI. L'utilisation de ce modèle est soumise à l'ACCORD DE LICENCE Tongyi Qianwen.