Alibaba avoimoi Qwen2.5-VL-32B:n: älykkäämpi ja kevyempi

Alibaba-yhtiön Qwen-tiimi on ilmoittanut Qwen2.5-VL-32B-Instruct-mallin julkaisusta. Se on 32 miljardin parametrin visio-kielimalli, joka on avoimen lähdekoodin mukaan Apache 2.0 -lisenssillä. Malli perustuu Qwen2.5-VL-sarjaan ja sitä on optimoitu vahvistusoppimisella. Keskeisiä parannuksia ovat ihmisten mieltymyksiin paremmin sopivat vastaukset, parantunut matemaattisen päättelyn tarkkuus sekä hienojakoinen kuvantulkinta ja -päättely. Laajoissa vertailutesteissä Qwen2.5-VL-32B-Instruct ylittää vastaavan kokoluokan huippumallit, kuten Mistral-Small-3.1-24B ja Gemma-3-27B-IT, ja jopa suuremman Qwen2-VL-72B-Instruct-mallin monimutkaisissa multimodaalisissa tehtävissä, kuten MMMU, MMMU-Pro ja MathVista. Se saavuttaa myös huipputason puhtaan tekstin käsittelyssä samassa kokoluokassa. Tiimi aikoo seuraavaksi keskittyä pitkiin ja tehokkaisiin päättelyprosesseihin erittäin monimutkaisissa visuaalisen päättelyn tehtävissä.