Alibaba mở mã nguồn Qwen2.5-VL-32B: Thông minh hơn và nhẹ hơn
Alibaba/Qwen
Alibaba đã mở mã nguồn Qwen2.5-VL-32B-Instruct, một mô hình ngôn ngữ thị giác với 32 tỷ tham số, theo giấy phép Apache 2.0. Mô hình này vượt trội hơn Mistral-Small-3.1-24B và Gemma-3-27B-IT, thậm chí vượt qua cả Qwen2-VL-72B-Instruct lớn hơn trên các chuẩn đánh giá suy luận đa phương thức như MMMU và MathVista. Mô hình được tối ưu hóa qua học tăng cường để căn chỉnh tốt hơn với con người và suy luận toán học.
Nhóm Qwen của Alibaba đã công bố phát hành Qwen2.5-VL-32B-Instruct, một mô hình ngôn ngữ-thị giác với 32 tỷ tham số, được mã nguồn mở theo giấy phép Apache 2.0. Mô hình này dựa trên dòng Qwen2.5-VL và được tối ưu hóa bằng học tăng cường. Các cải tiến chính bao gồm phản hồi phù hợp hơn với sở thích của con người, độ chính xác suy luận toán học được nâng cao, cùng khả năng hiểu và suy luận hình ảnh chi tiết. Trong các bài kiểm tra chuẩn mở rộng, Qwen2.5-VL-32B-Instruct vượt trội hơn các mô hình SoTA cùng quy mô như Mistral-Small-3.1-24B và Gemma-3-27B-IT, thậm chí còn vượt qua cả Qwen2-VL-72B-Instruct lớn hơn trong các tác vụ đa phương thức phức tạp như MMMU, MMMU-Pro và MathVista. Nó cũng đạt hiệu suất hàng đầu về khả năng văn bản thuần túy ở cùng quy mô. Nhóm nghiên cứu có kế hoạch tập trung tiếp theo vào các quy trình suy luận dài và hiệu quả cho các tác vụ suy luận thị giác có độ phức tạp cao.
Nguồn: Alibaba Qwen —
bản gốc