AIbase
JA
ホーム
Qwen2 VL 72B Instruct
Q

Qwen2 VL 72B Instruct

FriendliAIによって開発
Qwen2-VL-72B-Instruct はマルチモーダル視覚言語モデルで、画像とテキストのインタラクションをサポートし、複雑な視覚言語タスクに適しています。
画像生成テキスト
Transformers
 英語オープンソースライセンス:その他#マルチモーダル理解#視覚言語インタラクション#72B大規模パラメータ
ダウンロード数 18
リリース時間 : 3/17/2025

モデル概要

このモデルはQwen2-VL-72Bをベースにした命令チューニングバージョンで、画像とテキストを組み合わせた複雑なタスクを処理するために特別に設計されており、画像に関連するテキスト内容を理解し生成できます。

モデル特徴

マルチモーダルサポート
画像とテキスト入力を同時に処理し、クロスモーダルな理解と生成を実現します。
大規模パラメータ
720億のパラメータを持ち、強力な計算力と理解力を備えています。
命令チューニング
命令チューニングを経ており、ユーザーの指示に従って複雑なタスクをよりよく完了できます。

モデル能力

画像理解
テキスト生成
クロスモーダル推論
視覚的質問応答

使用事例

視覚的質問応答
画像内容の記述
入力された画像に基づいて詳細なテキスト記述を生成します。
正確で詳細な画像記述テキストを生成します。
視覚的推論
画像とテキスト入力を組み合わせて複雑な推論タスクを行います。
画像中の複雑なシーンや関係を理解し推論できます。
教育
教育支援
科学図表や歴史的画像などの複雑な画像内容を学生が理解するのを支援します。
詳細な説明と背景情報を提供し、学習効果を高めます。
おすすめAIモデル
Llama 3 Typhoon V1.5x 8b Instruct
タイ語専用に設計された80億パラメータの命令モデルで、GPT-3.5-turboに匹敵する性能を持ち、アプリケーションシナリオ、検索拡張生成、制限付き生成、推論タスクを最適化
大規模言語モデル Transformers 複数言語対応
L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-TinyはSODAデータセットでトレーニングされた超小型対話モデルで、エッジデバイス推論向けに設計されており、体積はCosmo-3Bモデルの約2％です。
対話システム Transformers 英語
C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
RoBERTaアーキテクチャに基づく中国語抽出型QAモデルで、与えられたテキストから回答を抽出するタスクに適しています。
質問応答システム 中国語
R
uer
2,694
98
AIbase
未来を切り開く、あなたのAIソリューション知識ベース
English简体中文繁體中文にほんご
© 2025AIbase