关于Qwen2.5-VL-72B-Instruct
Qwen2.5-VL 是 Qwen2.5 系列中的一种 Vision-语言模型，在多个方面显示出显著增强：它具有强大的视觉理解能力，能够识别常见对象，同时分析 Image 中的文本、图表和布局；它作为一个能够推理和动态指引工具的视觉代理；它能够理解超过1小时长的视频并捕捉关键事件；它通过生成边界框或点准确定位 Image 中的物体；并支持扫描数据（如发票和表单）的结构化 Output。该模型在包括 Image、Video 和代理任务的各个基准测试中表现出色。
可用的 Serverless
立即运行查询，仅按使用量付费
$
0.59
/
$
0.59
每 100 万 token（Input/Output）
元数据
规格
州
Available
建筑
校准的
不
专家混合
不
总参数
72B
激活的参数
72B
推理
不
精度
FP8
上下文长度
131K
最大输出长度
4K
支持功能
Serverless
支持
Serverless LoRA
不支持
微调
不支持
Embeddings
不支持
Rerankers
不支持
支持 Image Input
支持
JSON Mode
不支持
结构化Outputs
不支持
工具
不支持
FIM 补全
不支持
对话前缀补全
支持
与其他模型进行比较
看看这个模型与其他模型相比表现如何。
Qwen
chat
Qwen3-VL-32B-Instruct
发行日期：2025年10月21日
上下文长度：
262K
最大输出长度：
262K
Input:
$
0.2
/ M Tokens
Output:
$
0.6
/ M Tokens
Qwen
chat
Qwen3-VL-32B-Thinking
发行日期：2025年10月21日
上下文长度：
262K
最大输出长度：
262K
Input:
$
0.2
/ M Tokens
Output:
$
1.5
/ M Tokens
Qwen
chat
Qwen3-VL-8B-Instruct
发行日期：2025年10月15日
上下文长度：
262K
最大输出长度：
262K
Input:
$
0.18
/ M Tokens
Output:
$
0.68
/ M Tokens
Qwen
chat
Qwen3-VL-8B-Thinking
发行日期：2025年10月15日
上下文长度：
262K
最大输出长度：
262K
Input:
$
0.18
/ M Tokens
Output:
$
2
/ M Tokens
Qwen
chat
Qwen3-VL-235B-A22B-Instruct
发行日期：2025年10月4日
上下文长度：
262K
最大输出长度：
262K
Input:
$
0.3
/ M Tokens
Output:
$
1.5
/ M Tokens
Qwen
chat
Qwen3-VL-235B-A22B-Thinking
发行日期：2025年10月4日
上下文长度：
262K
最大输出长度：
262K
Input:
$
0.45
/ M Tokens
Output:
$
3.5
/ M Tokens
Qwen
chat
Qwen3-VL-30B-A3B-Instruct
发行日期：2025年10月5日
上下文长度：
262K
最大输出长度：
262K
Input:
$
0.29
/ M Tokens
Output:
$
1
/ M Tokens
Qwen
chat
Qwen3-VL-30B-A3B-Thinking
发行日期：2025年10月11日
上下文长度：
262K
最大输出长度：
262K
Input:
$
0.29
/ M Tokens
Output:
$
1
/ M Tokens
Qwen
image-to-video
Wan2.2-I2V-A14B
发行日期：2025年8月13日
$
0.29
/ Video
