アリババが「Qwen2-VL」公開:2Bと7Bをオープンソース化、長尺動画にも対応
アリババのQwenチームが視覚言語モデル「Qwen2-VL」を公開した。2Bと7BをApache 2.0でオープンソース化し、72BはAPIで提供する。動的解像度や20分以上の動画認識、端末操作エージェント機能に対応し、72BはGPT-4oに匹敵する性能を示す。
アリババのQwenチームが視覚言語モデル「Qwen2-VL」を公開した。2Bと7BをApache 2.0でオープンソース化し、72BはAPIで提供する。動的解像度や20分以上の動画認識、端末操作エージェント機能に対応し、72BはGPT-4oに匹敵する性能を示す。