我要投稿

Qwen2-VL：阿里开源新型世界领先视觉智能体，主打人类级别任意分辨率图像处理

发布日期：2024-08-30 12:21:30 浏览次数： 2741

作者：AI寒武纪

微信搜一搜，关注“AI寒武纪”

阿里云又来炸场了！他们刚刚开源了新一代视觉语言模型Qwen2-VL，而且一口气发布了20亿参数和70亿参数两个版本，还开放了最强720亿参数版本的API！这波操作简直6到飞起！?

Qwen2-VL 究竟有多牛？

看得清，看得懂： Qwen2-VL 在各种视觉理解任务上都取得了 SOTA 成绩，包括 MathVista、DocVQA、RealWorldQA、MTVQA 等等。无论是图像分辨率还是长宽比，都难不倒它

20分钟长视频也不怕： Qwen2-VL 能理解超过 20 分钟的视频，可以用来做高质量的视频问答、对话、内容创作等等

可操作手机、机器人等的Agent： Qwen2-VL 还能跟手机、机器人等设备结合，实现自动操作！它强大的推理和决策能力，加上对视觉环境和文本指令的理解，让它成为真正的“智能管家”

多语言支持，全球用户都能用： 除了英语和中文，Qwen2-VL 现在还支持识别图像中的多种语言文本，包括大部分欧洲语言、日语、韩语、阿拉伯语、越南语等等，真正做到了面向全球用户！

70亿参数以下，Qwen2-VL 就是最强的！ 而且，为了让 Qwen2-VL 能够在手机等移动设备上运行，阿里云还首次发布了 20 亿参数的小型视觉语言模型 Qwen2-VL-2B

想体验 Qwen2-VL 的强大功能？

博客：

https://qwenlm.github.io/blog/qwen2-vl/

GitHub：

https://github.com/QwenLM/Qwen2-VL

Hugging Face：

https://huggingface.co/collections/Qwen/qwen2-vl-66cee7455501d7126940800d

ModelScope：

https://modelscope.cn/organization/qwen

Qwen2-VL 成功的三个秘诀：

1.Naive Dynamic Resolution 支持： Qwen2-VL 可以处理任意分辨率的图像，并将它们映射成动态数量的视觉token，从而保证模型输入和图像信息的一致性。这就像人类的视觉感知一样，无论图像清晰度或大小如何，都能轻松识别

2.多模态旋转位置编码（M-ROPE）： 通过将旋转位置编码分解成时间、空间（高度和宽度）三部分，M-ROPE 使 LLM 能够同时捕捉和整合一维文本、二维视觉和三维视频的位置信息，让模型更全面地理解多模态信息

3.数据为王！ Data is all you need

要访问 Qwen2-VL-72B，暂时通过以下方式使用官方 API

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费POC验证，效果达标后再合作。零风险落地应用大模型，已交付160+中大型企业

相关资讯

2026-03-27

ollama v0.18.3 发布：VS Code 原生集成 + Agent 模式，本地 AI 开发体验全面革新

2026-03-23

128K Star 的开源 AI 编程 Agent，把 Anthropic 逼到发律师函了

2026-03-23

字节跳动开源 DeerFlow 2.0：下一代超级 Agent 引擎，一键搞定复杂工作流！

2026-03-23

企业中职能部门打工人如何选小龙虾

2026-03-23

MiniMax开源技能包：让AI写代码从大学生变资深工程师

2026-03-22

OxyGent：构建高效能多智能体系统的协作框架

2026-03-22

Ollama绝赞适配World Monitor：无需API密钥的全球情报看板，金融地缘一手掌握！`

2026-03-22

重磅！VS Code 正式“改名”！绿色版 VS Code 更强！

联系获取

联系获取

160+中大型企业正在使用53AI

立即咨询预约演示

把握AI发展的机遇，共同探索、共同进步

2025-01-22

如何打造基于GenAI的员工服务机器人

2025-01-22

热点资讯

重磅开源！Kimi K2.5 本地部署全攻略：手把手教你跑通 1T MoE 巨兽

2026-01-30

Clawdbot 完整安装教学：2026 年最火的开源AI 个人助理

2026-01-27

SkillsMP：一个聚合了 5 万+ AI Agent 技能的开源社区

2026-01-12

Clawdbot 深度拆解： 7 个问题看懂它。

2026-01-29

实测Kimi K2.5，这是一款厌丑的开源模型

2026-01-27

OpenWork：Claude Cowork 的开源替代品

2026-01-21

ClawdBot 火爆全网，手把手教你如何部署，还能直接用钉钉操作！

2026-01-28

Claude Code最强开源对手！GitHub 50.2k Star了，作者为它烧掉2.4w美元。

2026-01-06

Clawdbot爆火：Karpathy点赞的开源AI助理，到底是什么？

2026-01-26

为什么你一定要用OpenCode

2026-01-23

大家都在问

英伟达的NemoClaw，能帮AI代理这匹“野马”套上缰绳吗？

2026-03-17

你的 AI Agent 真的在受控运行吗？

2026-03-13

137K 行代码、零 clippy 警告：这个开源项目凭什么让 AI Agent 领域炸锅？

2026-03-02

Clawdbot 如何实现像人一样的长期记忆？

2026-02-05

一夜爆火，Clawdbot是否才是真正的AI入口产品？

2026-01-28

Clawdbot爆火：Karpathy点赞的开源AI助理，到底是什么？

2026-01-26

速递 | DeepSeek突然扔出MODEL1，这到底是V4还是R2？

2026-01-21

DeepSeek-R2要来了？

2026-01-21

热门标签

内容创作大模型技术个人提效 langchain llamaindex 多模态技术 RAG技术智能客服知识图谱模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS Skill 提示词技巧 AI+电商 AI面试数字员工 ChatBI AI知识库开源大模型智能营销智能硬件智能化改造 AI+医疗 MaxKB Palantir Glean Openclaw

应聘简历请发送至： ceo@53ai.com

联系我们

售前咨询

预约演示

微信扫码

添加专属顾问

回到顶部