Qwen: Qwen2.5 VL 72B Instruct

Qwen: Qwen2.5 VL 72B Instruct è un modello visione-linguaggio di Qwen, la famiglia di modelli sviluppata da Alibaba Cloud. Il "72B" nel nome si riferisce alla dimensione del modello sottostante, e "Instruct" indica che è stato ottimizzato per seguire istruzioni anziché semplicemente continuare il testo. Si colloca nella categoria text su api14 ed è identificato dalla data di rilascio del provider del 1 febbraio 2025. Se hai lavorato con altri modelli Qwen, questo estende la stessa discendenza a input che includono immagini insieme al testo. Il provider lo descrive come competente nel riconoscere oggetti comuni come fiori, uccelli, pesci e insetti, e come altamente capace di analizzare testi, grafici, icone, grafica e layout all'interno delle immagini.

Il modello accetta input di testo e immagini e restituisce solo testo. La sua finestra di contesto è di 128.000 token, e l'output massimo è di 115.200 token, quindi documenti lunghi e generazioni prolungate rientrano comodamente in una singola richiesta. Il knowledge cutoff è il 30 giugno 2024, il che conta quando le tue domande dipendono da eventi o rilasci successivi a quella data. Poiché le immagini sono un input di prima classe, puoi inviare un prompt che mescola istruzioni e materiale visivo, e il modello ragiona su entrambi quando produce la sua risposta. L'output è sempre testo, quindi qualsiasi cosa ti serva in un altro formato deve essere prodotta come testo e analizzata a valle.

Queste capacità indicano un insieme piuttosto specifico di attività. L'analisi di documenti e grafici è quella ovvia: fornire screenshot di dashboard, tabelle scansionate o diagrammi e chiedere un riepilogo o un valore estratto. I compiti di ispezione visiva derivano dalla forza nel riconoscimento degli oggetti, per esempio classificare o descrivere ciò che appare in una foto. La comprensione del layout è utile per elaborare moduli, ricevute e mockup di interfacce in cui la posizione degli elementi porta significato. E poiché la finestra di contesto è ampia, puoi combinare diverse immagini con un lungo corpo di testo di riferimento in una sola chiamata invece di suddividere tutto da solo.

Chiami il modello tramite l'API compatibile con OpenAI di api14 usando il model id "qwen/qwen2.5-vl-72b-instruct". I parametri di richiesta supportati sono frequency_penalty, logit_bias, logprobs, max_tokens, presence_penalty, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, top_k, top_logprobs e top_p. La presenza di response_format e structured_outputs è utile quando hai bisogno di un output che sia conforme a uno schema, e seed aiuta quando vuoi risultati ripetibili tra le chiamate. Nota che questo modello è solo testo nel suo output, quindi se il tuo compito è la generazione di parlato, audio o video, un modello diverso su api14 sarà più adatto.