Qwen: Qwen2.5-VL 7B Instruct (free)

Qwen2.5-VL 7B Instruct是Qwen团队开发的一款强大的多模态大型语言模型。它在各种分辨率和比例的图像视觉理解方面表现出色，在MathVista、DocVQA和RealWorldQA等基准测试中取得了最先进的性能。该模型还具备令人印象深刻的理解20分钟以上视频的能力，支持高质量的基于视频的问答、对话和内容创作。 除了其先进的感知能力，Qwen2.5-VL还可以作为智能代理，能够操作手机和机器人等设备。利用复杂的推理和决策能力，它可以根据视觉环境和文本指令执行自动化操作。此外，它还提供强大的多语言支持，能够理解图像中不同语言的文本，包括大多数欧洲语言、日语、韩语、阿拉伯语和越南语，服务于全球用户。 在Multi AI上免费访问此模型。它支持流式传输和视觉功能，上下文窗口为32K tokens。使用受Tongyi Qianwen许可协议的约束。