热点

阿里云推出大规模视觉语言模型Qwen-VL 已在ModeScope开源

字号+ 作者:牛骥同槽网 来源:花呗分期 2026-11-23 我要评论(0)

阿里云推出大规模视觉语言模型Qwen-VL 已在ModeScope开源

阿里云今日推出了大规模视觉语言模型Qwen-VL,目前已经在ModeScop阿里e开源,IT之家早前曾报道,阿里云此前已经开源通义千问70 亿参数通用模型Qwen-7B云推和对话模型Qwen-7B-Chat。

据悉,Qwen-VL是一款支持中英文等多种语言的出大视觉语言(Vision Language,VL)模型,相较于此前的VL模型,其除了具备基规模本的图文识别、描述、问答及对话能力之外,还新增了视觉定位、图像中文字理解等能力视觉。

Qwen-VL以Qwen-7B为基座语言模型,在模型架构上引入视觉编码器,使得模语言型支持视觉信号输入,该模型支持的图像输入分辨率为 448,此前开源的LVLM模型通模型常仅支持224分辨率。

官方表示,该模型可用于知识问答、图像标题生成、图像问答Qw、文档问答、细粒度视觉定位等场景,在主流的多模态任务评测和多模态聊天能力评测en中,取得了远超同等规模通用模型的表现。

此外,在Qwen-VL的基础上,通义千-V问团队使用对齐机制,打造了基于LLM的视觉AI助手Qwen-VL-Chat,可让开发者L 快速搭建具备多模态能力的对话应用。

通义千问团队同时表示,为了测试模型的多模态对话能力,已在他们构建了一套基于GPT-4打分机制的测试集 “试金石”,对Qwen-VL-ChatMo及其他模型进行对比测试,Qwen-VL-Chat在中英文的对齐评测中均取得了开de源LVLM最好结果。

1.本站遵循行业规范,任何转载的稿件都会明确标注作者和来源;2.本站的原创文章,请转载时务必注明文章作者和来源,不尊重原创的行为我们将追究责任;3.作者投稿可能会经我们编辑修改或补充。

相关文章
  • 数组: 一种非常基础且重要的数据结构

    数组: 一种非常基础且重要的数据结构

    2026-09-23

  • 云计算开发:Python内置函数-pow() 函数详解

    云计算开发:Python内置函数-pow() 函数详解

    2026-06-08

  • Facebook推“邻居”功能走进社区 挑战Nextdoor霸主地位

    Facebook推“邻居”功能走进社区 挑战Nextdoor霸主地位

    2026-08-10

  • 标签: 金正浩 HBM HBF HBS

    标签: 金正浩 HBM HBF HBS

    2026-06-06

网友点评