Perbandingan Model
Qwen2.5-VL-32B-Instruct
vs
Ring-flash-2.0
4 Feb 2026
Harga
Input
$
0.27
/ M Tokens
$
0.14
/ M Tokens
Output
$
0.27
/ M Tokens
$
0.57
/ M Tokens
Metadata
Buat di
21 Mar 2025
19 Sep 2025
Lisensi
APACHE-2.0
MIT LICENSE
Penyedia
Qwen
inclusionAI
Spesifikasi
Negara
Available
Available
Arsitektur
Vision Transformer (ViT) with window attention, SwiGLU, RMSNorm, and mRoPE, aligned with Qwen2.5 LLM structure
Mixture-of-Experts (MoE) with 1/32 expert activation ratio and MTP layers, featuring low activation and high sparsity design
Terkalibrasi
Ya
Ya
Campuran Ahli
Tidak
Ya
Total Parameter
32B
100B
Parameter yang Diaktifkan
32B
6.1B
Penalaran
Tidak
Tidak
Precision
FP8
FP8
Text panjang konteks
131K
131K
Max Tokens
131K
131K
Didukung Keberfungsian
Serverless
didukung
didukung
Serverless LoRA
Tidak didukung
Tidak didukung
Fine-tuning
Tidak didukung
Tidak didukung
Embeddings
Tidak didukung
Tidak didukung
Rerankers
Tidak didukung
Tidak didukung
Dukung Image Input
Tidak didukung
Tidak didukung
JSON Mode
Tidak didukung
Tidak didukung
Output Terstruktur
Tidak didukung
Tidak didukung
Alat
Tidak didukung
Tidak didukung
Fim Completion
Tidak didukung
Tidak didukung
Chat Prefix Completion
didukung
didukung
Qwen2.5-VL-32B-Instructdalam Perbandingan
Lihat bagaimana Qwen2.5-VL-32B-Instructmembandingkan dengan model populer lainnya di berbagai dimensi kunci.
VS
Qwen3-VL-32B-Instruct
VS
Qwen3-VL-32B-Thinking
VS
Qwen3-VL-8B-Instruct
VS
Qwen3-VL-8B-Thinking
VS
Qwen3-VL-30B-A3B-Instruct
VS
Qwen3-VL-30B-A3B-Thinking
VS
Qwen3-Omni-30B-A3B-Instruct
VS
Ring-flash-2.0
VS
Qwen3-Omni-30B-A3B-Captioner
VS
Qwen3-Omni-30B-A3B-Thinking
VS
Qwen3-Next-80B-A3B-Instruct
VS
Qwen3-Next-80B-A3B-Thinking
VS
gpt-oss-120b
VS
gpt-oss-20b
VS
Qwen3-Coder-30B-A3B-Instruct
VS
Qwen3-30B-A3B-Thinking-2507
VS
Qwen3-30B-A3B-Instruct-2507
VS
Qwen3-14B
VS
Qwen3-30B-A3B
VS
Qwen3-32B
