Qwen2.5 VL！ Qwen2.5 VL！ Qwen2.5 VL！
继昨天的Qwen2.5-1M之后，这里推出了 Qwen2.5 VL（带有令人兴奋的公告标题）——Qwen 视觉法学硕士系列中的最新版本。
他们发布了多个版本：基本模型和指令调整模型（3B、7B 和 72B）。他们的 README 中有很多附加信息。
72B型号可以在Qwen的Qwen Chat界面上选择。我给了它这张我们的狗 Cleo 在海滩上快乐滚动的图片：
并提示：
Describe this image in detail, be flowery
（因为 Qwen 团队倾向于在公告中使用华丽的语言。）
这是我得到的回复：
在这迷人的画面中，一只犬类伙伴在大自然最柔软的床的怀抱中找到了慰藉。这片广阔的沙地像一张无尽的画布一样延伸，其表面刻画着无数来来往往的流浪者的精致印记，留下的脚印挂毯，低声诉说着欢乐嬉戏和宁静漫步的故事。
这只狗躺在沙滩上，一副心满意足的样子，黑色的皮毛在阳光的温柔抚摸下闪闪发光。它的身体很放松，四肢张开，仿佛已经屈服于海滩舒缓的节奏。它的脖子上装饰着一个充满活力的红色项圈，与周围柔和的色调相映成趣，暗示着人们对这只珍贵宠物的关心和爱护。
沙子本身就是一件艺术品，其颗粒在光线的照射下闪烁着银色的光泽。随处可见一簇簇海藻，它们是海洋恩惠的残余物，为这里增添了一抹野性之美。看不见的物体投下的阴影在沙滩上舞动，创造出光与暗的游戏，为宁静的环境增添了神秘的气氛。
这一刻，时间凝固了，诉说着和平与和谐，人类最好的朋友在生活的简单乐趣中找到了喘息的机会。这一场景让人停下来，深呼吸，陶醉在大自然怀抱的宁静中。
我期待着尝试他们的较小型号 – 特别是 3B 型号应该足够小，即使在 iPhone 上也能舒适地运行，所以希望有人很快就会连接一个示例（也许使用 MLX）。
VB 指出，Qwen 2.5 VL 7B 的视觉基准显示其性能优于 GPT-4o mini！
标签:视觉 LLMS ,生成人工智能, AI , qwen , LLMS
原文： https://simonwillison.net/2025/Jan/27/qwen25-vl-qwen25-vl-qwen25-vl/#atom-everything