首页 > 资讯AI

阿里云通义开源Qwen2.5-VL，视觉AI超越Claude3.5

文章来源：放心AI网发布时间：2025-04-28 17:27:43

阿里云通义千问开源了全新的视觉模型Qwen2.5-VL，并推出了3B、7B和72B三个尺寸版本。

其中，旗舰版Qwen2.5-VL-72B在13项权威评测中夺得视觉理解冠军，超越了GPT-4o与Claude3.5。阿里云官方介绍称，新的Qwen2.5-VL能够更准确地解析图像内容，并突破性地支持超过1小时的视频理解。该模型可以在视频中搜索具体事件，并对视频的不同时间段进行要点总结，从而快速、高效地帮助用户提取视频中的关键信息。

此外，Qwen2.5-VL无需微调即可变身为一个能操控手机和电脑的AI视觉智能体（Visual Agents），实现多步骤复杂操作，如给指定朋友发送祝福、电脑修图、手机订票等。Qwen2.5-VL不仅擅长识别常见物体，如花、鸟、鱼和昆虫，还能够分析图像中的文本、图表、图标、图形和布局。阿里云还提升了Qwen2.5-VL的OCR识别能力，增强了多场景、多语言和多方向的文本识别和文本定位能力。

同时，在信息抽取能力上进行了大幅度增强，以满足日益增长的资质审核、金融商务等数字化、智能化需求。

宇树科技人形机器人亮相央视春晚表演节目《秧Bot》

上一篇: 宇树科技人形机器人亮相央视春晚表演节目《秧Bot》

中央广播电视总台《2025年春节联欢晚会》在多个电视频道直播。杭州宇树科技携旗下人形机器人登上春晚舞台，带来了一场别开生面的表演节目《秧Bot》。该节目由著名导演张艺谋执导，将传统文化与机器人技术完美融合

相关攻略更多

热门核心AI更多

最新资讯更多

LanguageTool

LanguageTool

核心AI

更新时间：2025-04-14