西風(fēng) 發(fā)自 凹非寺
量子位 | 公眾號(hào) QbitAI

就在DeepSeek-V3更新的同一夜，阿里通義千問Qwen又雙叒叕一次夢(mèng)幻聯(lián)動(dòng)了——

發(fā)布Qwen2.5-VL-32B-Instruct

此前開源家族視覺語言模型Qwen2.5-VL包括3B、7B和72B三種尺寸。

這一次的32B版本進(jìn)一步兼顧尺寸和性能，可在本地運(yùn)行。

同時(shí)經(jīng)過強(qiáng)化學(xué)習(xí)優(yōu)化，在三個(gè)方面改進(jìn)顯著：

• 回答更符合人類偏好；
• 擁有更強(qiáng)的數(shù)學(xué)推理能力；
• 在圖像解析、內(nèi)容識(shí)別以及視覺邏輯推導(dǎo)等任務(wù)中，表現(xiàn)出更強(qiáng)的準(zhǔn)確性和細(xì)粒度分析能力。

對(duì)比近期開源的Mistral-Small-3.1-24B 、Gemma-3-27B-IT等， Qwen2.5-VL-32B在純文本能力上也達(dá)到了同規(guī)模的SOTA表現(xiàn)。在多個(gè)基準(zhǔn)上，Qwen2.5-VL-32B甚至超過了72B。

舉個(gè)栗子，比如根據(jù)一張交通指示牌照片，Qwen2.5-VL-32B就能做如下精細(xì)的圖像理解和推理：

我正在這條路上駕駛一輛大卡車，現(xiàn)在12點(diǎn)了。我能在13點(diǎn)之前到達(dá)110公里遠(yuǎn)的地方嗎？

Qwen2.5-VL-32B首先對(duì)時(shí)間、距離、卡車限速進(jìn)行分析，然后分步驟條理清晰推算出正確答案：

模型已經(jīng)開源，盡管自己前往實(shí)測(cè)～

Qwen2.5-VL-32B更多表現(xiàn)示例

官方剛剛發(fā)布的技術(shù)博客中也放出了更多展示示例。

數(shù)學(xué)推理能力上，幾何體分析也不在話下：

同樣是先有問題分析環(huán)節(jié)，然后再分四個(gè)小步驟推理正確答案：

下面這種復(fù)雜難題也能解：

能夠依次類推，歸納出構(gòu)造規(guī)律：

像下面這種圖片理解就更不在話下了：

多輪深度提問也可以：

模型開源，已能實(shí)測(cè)

現(xiàn)在，阿里已將Qwen2.5-VL-32B-Instruct放在了Hugging Face上。

在Qwen Chat上就能直接體驗(yàn)Qwen2.5-VL-32B，感興趣的童鞋可以試試。

動(dòng)作快的網(wǎng)友已經(jīng)開始在MLX Community運(yùn)行了：

在Hacker News上，網(wǎng)友也就DeepSeek和Qwen的舉動(dòng)進(jìn)行了新一輪熱烈討論。網(wǎng)友紛紛表示：

開源贏了，奧特曼錯(cuò)了。

值得一提的是，春節(jié)期間，DeepSeek曾與阿里通義千問Qwen多次幾乎同時(shí)發(fā)布新模型，這一次又雙叒叕趕一塊去了。

杭州，原來真的是商量著一起發(fā)？？？

[1]https://qwenlm.github.io/zh/blog/qwen2.5-vl-32b/
[2]https://x.com/Alibaba_Qwen/status/1904227859616641534
[3]https://news.ycombinator.com/item?id=43464068