關於Qwen2.5-VL-7B-Instruct
Qwen2.5-VL 是 Qwen 系列的新成員，配備強大的視覺理解能力。它可以分析圖像中的文字、圖表和佈局，理解長視頻並捕捉事件。它能夠進行推理、操控工具、支持多格式對象定位，並生成結構化輸出。該模型已針對視頻理解中的動態分辨率和幀率訓練進行優化，並提高了視覺編碼器的效率。
可用的無伺服器
立即運行查詢，僅按使用量付費
$
0.05
／
$
0.05
每百萬 Tokens（輸入/輸出）
元數據
規格
狀態
Available
架構
Vision-Language Model (VLM) combining a Vision Transformer (ViT) with window attention, SwiGLU, and RMSNorm, aligned with the Qwen2.5 LLM structure. It utilizes mRoPE for temporal understanding and YaRN for long text context handling.
經過校準的
否
專家並行
否
總參數
7B
啟用的參數
7B
推理
否
精度
FP8
上下文長度
33K
最大輸出長度
4K
支援的功能
無伺服器
支持
無伺服器的 LoRA
不支持
微調
不支持
向量嵌入
不支持
重排序
不支持
支援圖片輸入
支持
JSON 模式
不支持
結構化輸出
不支持
工具
不支持
中間填充補全
不支持
聊天前綴補全
支持
與其他模型比較
看看這個模型與其他模型的對比如何。
Qwen
chat
Qwen3-VL-32B-Instruct
發行日期：2025年10月21日
總上下文：
262K
最大輸出：
262K
輸入：
$
0.2
/ M Tokens
輸出：
$
0.6
/ M Tokens
Qwen
chat
Qwen3-VL-32B-Thinking
發行日期：2025年10月21日
總上下文：
262K
最大輸出：
262K
輸入：
$
0.2
/ M Tokens
輸出：
$
1.5
/ M Tokens
Qwen
chat
Qwen3-VL-8B-Instruct
發行日期：2025年10月15日
總上下文：
262K
最大輸出：
262K
輸入：
$
0.18
/ M Tokens
輸出：
$
0.68
/ M Tokens
Qwen
chat
Qwen3-VL-8B-Thinking
發行日期：2025年10月15日
總上下文：
262K
最大輸出：
262K
輸入：
$
0.18
/ M Tokens
輸出：
$
2.0
/ M Tokens
Qwen
chat
Qwen3-VL-235B-A22B-Instruct
發行日期：2025年10月4日
總上下文：
262K
最大輸出：
262K
輸入：
$
0.3
/ M Tokens
輸出：
$
1.5
/ M Tokens
Qwen
chat
Qwen3-VL-235B-A22B-Thinking
發行日期：2025年10月4日
總上下文：
262K
最大輸出：
262K
輸入：
$
0.45
/ M Tokens
輸出：
$
3.5
/ M Tokens
Qwen
chat
Qwen3-VL-30B-A3B-Instruct
發行日期：2025年10月5日
總上下文：
262K
最大輸出：
262K
輸入：
$
0.29
/ M Tokens
輸出：
$
1.0
/ M Tokens
Qwen
chat
Qwen3-VL-30B-A3B-Thinking
發行日期：2025年10月11日
總上下文：
262K
最大輸出：
262K
輸入：
$
0.29
/ M Tokens
輸出：
$
1.0
/ M Tokens
Qwen
image-to-video
Wan2.2-I2V-A14B
發行日期：2025年8月13日
$
0.29
/ Video
