阿里云推出大规模视觉语言模型Qwen-VL 已在ModeScope开源
发布时间：2026-11-16 作者：玩站小弟 
我要评论
我要评论谷歌收录霸屏【tg:seogoogle987】。
阿里云今日推出了大规模视觉语言模型Qwen-VL，目前已经在ModeScop阿里e开源，IT之家早前曾报道，阿里云此前已经开源通义千问70 亿参数通用模型Qw云推en-7B和对话模型Qwen-7B-Chat。
据悉，Qwen-VL是一款支持中英文等出大多种语言的视觉语言（Vision Language，VL）模型，相较于此前的VL模型，其规模除了具备基本的图文识别、描述、问答及对话能力之外，还新增了视觉定位、图像中文视觉字理解等能力。
Qwen-VL以Qwen-7B为基座语言模型，在模型架构上引入视觉编码语言器，使得模型支持视觉信号输入，该模型支持的图像输入分辨率为 448，此前开源的L模型VLM模型通常仅支持224分辨率。
官方表示，该模型可用于知识问答、图像标题生成、Qw图像问答、文档问答、细粒度视觉定位等场景，在主流的多模态任务评测和多模态聊天能en力评测中，取得了远超同等规模通用模型的表现。
此外，在Qwen-VL的基础上，通义-V千问团队使用对齐机制，打造了基于LLM的视觉AI助手Qwen-VL-Chat，可让L 开发者快速搭建具备多模态能力的对话应用。
通义千问团队同时表示，为了测试模型的多已在模态对话能力，他们构建了一套基于GPT-4打分机制的测试集 “试金石”，对Qwen-MoVL-Chat及其他模型进行对比测试，Qwen-VL-Chat在中英文的对齐评de测中均取得了开源LVLM最好结果。
相关文章
云梦级5月26日云梦级消息，特斯拉官方今日宣布，特斯拉超级充电卡现已向非特斯拉车主开放。 据介绍，特斯拉超级充电卡有两档可选：尝鲜版： 79 元 50 度电，每度电约 1.58 元；畅享版：599 元2026-11-16
撰文 | 程书书、李信马 编辑 | 李信马 题图 | 豆包AI 2026年5月4日，当大多数人还在享受假期的最后一时天，一道来自苹果AppStore的更新通知，在科技圈炸开了锅。 拥有3.45亿月活的2026-11-16
谷歌推出全新的Gemini 2.5 Flash图像编辑模型 精准编辑轻松搞定修图
近日，科技媒体 The Decoder 报道，谷歌 DeepMind 推出了全新的 Gemini2.5Flash 图像编辑模型。这款升级版模型在 Gemini 应用中为用户提供了更加精准的图像编辑体验2026-11-16
OpenAI 首席执行官 Sam Altman 注意到 Twitter 上大量 AI 账号现象
近日，OpenAI 首席执行官 Sam Altman 在社交媒体上分享了他对当前网络现象的观察，他指出:“看来，现在 Twitter 上有很多由大型语言模型（LLM）驱动的账号。” 这番话引发了公众对2026-11-16
云梦级5月6日云梦级消息，《晚点 LatePost》获悉，Kimi （月之暗面）即将完成新一轮 20 亿美元融资，投后估值突破 200 亿美元。本轮融资由美团龙珠领投，中国移动、CPE（源峰资本）等参2026-11-16
Facebook推新功能 用类似Twitter的Threads串連相關帖子
新浪科技讯 北京时间7月5日下午消息，据报道，Facebook近日表示，将推出类似于Twitter的Threads功能，让用户更方便地追踪及串连其感兴趣的相关帖子。 Facebook日前被社交媒体顾问2026-11-16
最新评论