Alibaba, Qwen2.5-VL-32B'yi Açık Kaynak Olarak Yayınladı: Daha Akıllı ve Daha Hafif
Alibaba/Qwen
Alibaba, Qwen2.5-VL-32B-Instruct'ı 32 milyar parametreli bir görüntü-dil modeli olarak Apache 2.0 lisansı altında açık kaynak olarak yayınladı. Model, Mistral-Small-3.1-24B ve Gemma-3-27B-IT'den daha iyi performans gösteriyor ve hatta daha büyük olan Qwen2-VL-72B-Instruct'ı MMMU ve MathVista gibi çok modlu akıl yürütme kriterlerinde geride bırakıyor. Model, daha iyi insan uyumu ve matematiksel akıl yürütme için takviyeli öğrenme ile optimize edilmiştir.
Alibaba'nın Qwen ekibi, 32 milyar parametreye sahip ve Apache 2.0 lisansıyla açık kaynak olarak yayınlanan Qwen2.5-VL-32B-Instruct adlı görsel-dil modelini duyurdu. Model, Qwen2.5-VL serisi üzerine inşa edilmiş olup pekiştirmeli öğrenme kullanılarak optimize edilmiştir. Temel iyileştirmeler arasında insan tercihleriyle daha uyumlu yanıtlar, gelişmiş matematiksel akıl yürütme doğruluğu ve ayrıntılı görüntü anlama ile akıl yürütme yer almaktadır. Kapsamlı kıyaslamalarda Qwen2.5-VL-32B-Instruct, Mistral-Small-3.1-24B ve Gemma-3-27B-IT gibi benzer ölçekteki son teknoloji modellerden daha iyi performans göstermekte ve hatta MMMU, MMMU-Pro ve MathVista gibi karmaşık çok modlu görevlerde daha büyük olan Qwen2-VL-72B-Instruct modelini geride bırakmaktadır. Ayrıca aynı ölçekte saf metin yeteneklerinde de en üst düzey performansa ulaşmaktadır. Ekip, bir sonraki adımda oldukça karmaşık görsel akıl yürütme görevleri için uzun ve etkili akıl yürütme süreçlerine odaklanmayı planlamaktadır.
Kaynak: Alibaba Qwen —
orijinal