Qwen2-VL 72B Instruct

Qwen2 VL 72B是一款由Qwen团队开发的多模态大型语言模型（LLM），具备多项显著提升。首先，Qwen2-VL在不同分辨率和比例的图像理解方面实现了最先进的性能，尤其在MathVista、DocVQA、RealWorldQA、MTVQA等视觉理解基准测试中表现优异。其次，它能够理解时长超过20分钟的视频，从而满足高质量的视频问答、对话和内容创作等需求。此外，Qwen2-VL还具备操作手机、机器人等设备的能力，能够基于视觉环境和文本指令进行复杂的推理和决策，这使得它可广泛应用于自动化操作场景。最后，为了更好地服务全球用户，除了英语和中文，Qwen2-VL现在还支持理解图像内不同语言的文本，包括大多数欧洲语言、日语、韩语、阿拉伯语、越南语等。有关更多详细信息，请查阅这篇博客文章和GitHub库。使用此模型须遵循Tongyi Qianwen许可证协议。