Qwen: Qwen2.5 VL 72B Instruct

Qwen: Qwen2.5 VL 72B Instruct är en synspråkmodell från Qwen, den modellfamilj som utvecklats av Alibaba Cloud. "72B" i namnet syftar på storleken på den underliggande modellen, och "Instruct" indikerar att den har finjusterats för att följa instruktioner snarare än att bara fortsätta text. Den tillhör kategorin text på api14 och identifieras av leverantörens utgivningsdatum den 1 februari 2025. Om du har arbetat med andra Qwen-modeller utökar denna samma linje till indata som inkluderar bilder tillsammans med text. Leverantören beskriver den som skicklig på att känna igen vanliga objekt som blommor, fåglar, fiskar och insekter, och som mycket kapabel att analysera texter, diagram, ikoner, grafik och layouter i bilder.

Modellen tar emot text och bilder som indata och returnerar endast text. Dess kontextfönster är 128 000 tokens, och maximal utdata är 115 200 tokens, så långa dokument och omfattande genereringar får båda plats bekvämt i en enda begäran. Kunskapsavgränsningen är den 30 juni 2024, vilket spelar roll när dina frågor beror på händelser eller utgivningar efter det datumet. Eftersom bilder är en förstklassig indata kan du skicka en prompt som blandar instruktioner och visuellt material, och modellen resonerar över båda när den producerar sitt svar. Utdata är alltid text, så allt du behöver i ett annat format måste produceras som text och tolkas vidare nedströms.

Dessa förmågor pekar mot en ganska specifik uppsättning arbetsuppgifter. Dokument- och diagramanalys är den uppenbara: att mata in skärmbilder av instrumentpaneler, skannade tabeller eller diagram och be om en sammanfattning eller ett extraherat värde. Visuella inspektionsuppgifter följer av styrkan i objektigenkänning, till exempel att klassificera eller beskriva vad som visas på ett foto. Layoutförståelse är användbar för att bearbeta formulär, kvitton och gränssnittsmockuper där elementens position har betydelse. Och eftersom kontextfönstret är stort kan du kombinera flera bilder med en lång mängd referenstext i ett enda anrop i stället för att dela upp allt själv.

Du anropar modellen via api14:s OpenAI-kompatibla API med modell-id "qwen/qwen2.5-vl-72b-instruct". Parametrar som stöds i begäran är frequency_penalty, logit_bias, logprobs, max_tokens, presence_penalty, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, top_k, top_logprobs och top_p. Förekomsten av response_format och structured_outputs är användbar när du behöver utdata som följer ett schema, och seed hjälper när du vill ha repeterbara resultat mellan anrop. Observera att denna modell endast ger text som utdata, så om din uppgift är tal, ljud eller videogenerering passar en annan modell på api14 bättre.