Qwen2.5vl

🚀 NexaAI/qwen2.5vl

本項目提供了基於圖像文本到文本的多模態模型 NexaAI/qwen2.5vl，它在視覺理解、視頻處理、結構化輸出等方面有顯著提升，可通過 nexa-sdk 直接運行。

🚀 快速開始

在安裝 nexa-sdk 後，可直接運行該模型。在 nexa-sdk 命令行界面中執行以下命令：

NexaAI/qwen2.5vl

可用的量化模型

✨ 主要特性

在 Qwen2-VL 發佈後的五個月裡，眾多開發者基於該視覺語言模型構建了新模型，並提供了寶貴反饋。在此期間，團隊專注於構建更實用的視覺語言模型。如今，我們很高興地推出 Qwen 家族的最新成員：Qwen2.5-VL。

主要改進點：

• 強大的視覺理解能力：Qwen2.5-VL 不僅擅長識別常見的花鳥魚蟲等物體，還能高效分析圖像中的文本、圖表、圖標、圖形和佈局。
• 智能代理功能：Qwen2.5-VL 可直接作為視覺代理，能夠進行推理並動態調用工具，支持計算機和手機的使用場景。
• 長視頻理解與事件捕捉：Qwen2.5-VL 可以理解超過 1 小時的視頻，並且新增了通過定位相關視頻片段來捕捉事件的能力。
• 多格式視覺定位：Qwen2.5-VL 可以通過生成邊界框或點來精確地定位圖像中的物體，並能為座標和屬性提供穩定的 JSON 輸出。
• 結構化輸出支持：對於發票、表單、表格等掃描數據，Qwen2.5-VL 支持對其內容進行結構化輸出，在金融、商業等領域具有廣泛應用價值。

📚 詳細文檔

圖像基準測試結果

視頻基準測試結果

代理基準測試結果

📄 許可證

本項目採用 Apache-2.0 許可證。

🔗 參考資料

原始模型卡片：Qwen/Qwen2.5-VL-7B-Instruct