Qwen: Qwen2.5 VL 72B Instruct

Qwen: Qwen2.5 VL 72B Instruct adalah model bahasa visi dari Qwen, keluarga model yang dikembangkan oleh Alibaba Cloud. "72B" dalam nama merujuk pada ukuran model dasarnya, dan "Instruct" menunjukkan bahwa model ini telah disetel untuk mengikuti instruksi daripada sekadar melanjutkan teks. Model ini berada dalam kategori teks di api14 dan diidentifikasi oleh tanggal rilis penyedia yaitu 1 Februari 2025. Jika Anda pernah bekerja dengan model Qwen lainnya, model ini memperluas garis keturunan yang sama ke input yang menyertakan gambar bersama teks. Penyedia mendeskripsikannya sebagai mahir dalam mengenali objek umum seperti bunga, burung, ikan, dan serangga, serta sangat mampu menganalisis teks, bagan, ikon, grafik, dan tata letak di dalam gambar.

Model ini menerima input teks dan gambar serta hanya mengembalikan teks. Jendela konteksnya adalah 128.000 token, dan output maksimumnya adalah 115.200 token, sehingga dokumen panjang dan generasi panjang sama-sama muat dengan nyaman dalam satu permintaan. Batas pengetahuan adalah 30 Juni 2024, yang penting ketika pertanyaan Anda bergantung pada peristiwa atau rilis setelah tanggal tersebut. Karena gambar adalah input kelas utama, Anda dapat mengirim prompt yang mencampur instruksi dan materi visual, dan model menalar keduanya saat menghasilkan jawabannya. Output selalu berupa teks, jadi apa pun yang Anda butuhkan dalam format lain harus dihasilkan sebagai teks dan diurai di hilir.

Kemampuan tersebut mengarah pada serangkaian pekerjaan yang cukup spesifik. Analisis dokumen dan bagan adalah yang paling jelas: memberikan tangkapan layar dasbor, tabel hasil pindai, atau diagram dan meminta ringkasan atau nilai yang diekstrak. Tugas inspeksi visual mengikuti dari kekuatan pengenalan objek, misalnya mengklasifikasikan atau mendeskripsikan apa yang muncul dalam foto. Pemahaman tata letak berguna untuk memproses formulir, struk, dan mockup antarmuka di mana posisi elemen membawa makna. Dan karena jendela konteksnya besar, Anda dapat menggabungkan beberapa gambar dengan teks referensi yang panjang dalam satu panggilan alih-alih memotong semuanya sendiri.

Anda memanggil model ini melalui API yang kompatibel dengan OpenAI dari api14 menggunakan id model "qwen/qwen2.5-vl-72b-instruct". Parameter permintaan yang didukung adalah frequency_penalty, logit_bias, logprobs, max_tokens, presence_penalty, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, top_k, top_logprobs, dan top_p. Adanya response_format dan structured_outputs berguna ketika Anda membutuhkan output yang sesuai dengan skema, dan seed membantu ketika Anda menginginkan hasil yang dapat diulang di seluruh panggilan. Perhatikan bahwa model ini hanya berupa teks dalam outputnya, jadi jika tugas Anda adalah pembuatan ucapan, audio, atau video, model lain di api14 akan lebih cocok.