Q

Qwen2.5 VL 72B Instruct GGUF

lmstudio-communityによって開発
通義千問が提供するマルチモーダル大規模モデルで、画像とテキストの生成、および128kの長コンテキスト処理をサポートし、多言語能力を備えています。
ダウンロード数 668
リリース時間 : 5/8/2025

モデル概要

これはマルチモーダル指令モデルで、画像とテキストの入力を処理し、テキスト出力を生成することができます。長コンテキスト、多言語、構造化出力をサポートし、さまざまなAIタスクに適しています。

モデル特徴

長コンテキストサポート
128kトークンのコンテキスト長をサポートし、長いドキュメントや複雑なタスクの処理に適しています
マルチモーダル認識
画像内の物体、テキスト、グラフ、アイコン、図形、レイアウトを認識することができます
ビジュアルインテリジェントエージェント
ビジュアルエージェントとして推論を行い、ツールを動的に呼び出すことができ、コンピュータや携帯電話の使用能力を備えています
構造化出力
構造化出力と安定したJSON形式を生成することができます
多言語サポート
複数の言語の入力と出力をサポートします

モデル能力

画像理解
テキスト生成
マルチモーダル推論
ツール呼び出し
構造化データ生成
長いドキュメントの処理

使用事例

ビジュアルコンテンツ分析
画像説明生成
入力された画像に対して詳細なテキスト説明を生成します
画像内の物体、シーン、テキスト内容を正確に識別します
グラフ理解
画像内のグラフデータを分析し、情報を抽出します
一般的なグラフタイプを理解し、重要なデータを抽出することができます
インテリジェントエージェント
コンピュータ支援操作
ビジュアル入力に基づいてコンピュータ操作を指示します
画面内容を理解し、操作命令を生成することができます
コンテンツ生成
構造化レポート生成
マルチモーダル入力に基づいて構造化レポートを生成します
安定したJSONまたはその他の構造化データ形式で出力します
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
© 2025AIbase