Qwen: Qwen2.5 VL 32B Instruct

Qwen2.5-VL-32B est un puissant modèle vision-langage multimodal, méticuleusement affiné par apprentissage par renforcement pour offrir des performances exceptionnelles dans des tâches complexes. Il dispose de capacités améliorées en raisonnement mathématique, en génération de sorties structurées et en résolution de problèmes visuels avec une grande précision. Ce modèle est particulièrement doué pour l'analyse visuelle, y compris la reconnaissance précise d'objets, l'interprétation de texte intégré dans des images et la localisation d'événements dans des séquences vidéo étendues. Démontrant des performances de pointe, Qwen2.5-VL-32B se classe constamment en tête des principaux benchmarks multimodaux tels que MMMU, MathVista et VideoMME. Au-delà de ses prouesses visuelles, il maintient un raisonnement solide et une clarté dans les tâches textuelles traditionnelles, y compris MMLU, la résolution de problèmes mathématiques et la génération de code. Avec une fenêtre contextuelle de 16K tokens et une sortie maximale de 4K tokens, il offre un traitement robuste pour diverses applications. Accédez gratuitement à ce modèle sur Multi AI dès aujourd'hui ! Le prix de Qwen2.5-VL-32B est de 0,05 $ par million de tokens d'entrée et de 0,22 $ par million de tokens de sortie, ce qui en fait un outil accessible et puissant pour les développeurs et les chercheurs. Il prend en charge les capacités de vision, de code et de streaming, ce qui le rend idéal pour le chat, le développement de code et les applications mathématiques. Notez qu'il ne prend pas en charge la génération d'images ni l'accès à Internet.