通义千问推出视觉理解模型Qwen2-VL-72B，API已上线阿里云

钛媒体App 8月30日消息，阿里通义千问发布第二代视觉语言模型Qwen2-VL，旗舰模型 Qwen2-VL-72B的API已上线阿里云百炼平台。在多个权威测评中，Qwen2-VL部分指标甚至超越了 GPT-4o 和 Claude3.5-Sonnet 等闭源模型。相比上代模型，Qwen2-VL可理解20分钟以上长视频，支持基于视频的问答、对话和内容创作等应用；可自主操作手机和机器人，借助复杂推理和决策的能力，Qwen2-VL 可以集成到手机、机器人等设备，根据视觉环境和文字指令进行自动操作；能理解图像视频中的多语言文本，包括中文、英文，大多数欧洲语言，日语、韩语、阿拉伯语、越南语等。