Qwen.qwen2.5 VL 32B Instruct GGUF
Qwen2.5-VL-32B-Instructは32Bパラメータ規模のマルチモーダル視覚言語モデルで、画像とテキストの共同理解と生成タスクをサポートします。
ダウンロード数 27.50k
リリース時間 : 3/26/2025
モデル概要
このモデルは強力な視覚言語モデルで、画像とテキストの共同タスクを処理でき、特に画像テキスト生成や視覚的質問応答などのアプリケーションに優れています。
モデル特徴
マルチモーダル理解
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。
大規模モデル
32Bパラメータ規模で、強力な表現能力と理解能力を備えています。
命令追従
命令型インタラクションをサポートし、ユーザーの命令に基づいて特定のタスクを完了できます。
モデル能力
画像理解
テキスト生成
視覚的質問応答
クロスモーダル推論
画像記述生成
使用事例
コンテンツ生成
画像記述生成
入力画像に対して詳細で正確な文章記述を生成します
画像内容に合致する自然言語記述を生成
インテリジェント質問応答
視覚的質問応答
画像内容に関する自然言語質問に回答します
画像内容を正確に理解し関連する回答を提供
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