모델 비교
Qwen2.5-VL-72B-Instruct
대
step3
2026. 2. 28.
가격
Input
$
0.59
/ M Tokens
$
0.57
/ M Tokens
Output
$
0.59
/ M Tokens
$
1.42
/ M Tokens
메타데이터
생성하다
2025. 1. 27.
2025. 7. 28.
라이센스
-
APACHE LICENSE (VERSION 2.0)
공급자
Qwen
StepFun
사양
주
Available
Deprecated
건축
Vision-Language Model (VLM) with a Streamlined and Efficient Vision Encoder (ViT with window attention, SwiGLU, RMSNorm) aligned with the Qwen2.5 LLM structure. Features include Dynamic Resolution and Frame Rate Training for video understanding, mRoPE for temporal sequence and speed, and YaRN for long text context length extrapolation.
Mixture-of-Experts (MoE) architecture with Multi-Matrix Factorization Attention (MFA) and Attention-FFN Disaggregation (AFD)
교정된
아니요
아니요
전문가의 혼합
아니요
네
총 매개변수
72B
321B
활성화된 매개변수
72B
38B
추론
아니요
아니요
Precision
FP8
FP8
콘텍스트 길이
131K
66K
Max Tokens
4K
66K
지원됨 기능
Serverless
지원됨
지원됨
Serverless LoRA
지원하지 않음
지원하지 않음
Fine-tuning
지원하지 않음
지원하지 않음
Embedding
지원하지 않음
지원하지 않음
Rerankers
지원하지 않음
지원하지 않음
지원 Image Input
지원하지 않음
지원하지 않음
JSON Mode
지원하지 않음
지원됨
구조화된 Outputs
지원하지 않음
지원하지 않음
도구
지원하지 않음
지원됨
Fim Completion
지원하지 않음
지원하지 않음
Chat Prefix Completion
지원됨
지원하지 않음
Qwen2.5-VL-72B-Instruct비교에서
보세요 어떻게 Qwen2.5-VL-72B-Instruct다른 인기 있는 모델과 주요 측면에서 비교합니다.
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-VL-235B-A22B-Instruct
VS
Qwen3-VL-235B-A22B-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
step3
