就在 DeepSeek-V3 更新的同一夜，阿里通義千問 Qwen 又雙叒叕一次夢幻聯(lián)動了 —— 發(fā)布 Qwen2.5-VL-32B-Instruct。

此前開源家族視覺語言模型 Qwen2.5-VL 包括 3B、7B 和 72B 三種尺寸。

這一次的 32B 版本進(jìn)一步兼顧尺寸和性能，可在本地運(yùn)行。同時經(jīng)過強(qiáng)化學(xué)習(xí)優(yōu)化，在三個方面改進(jìn)顯著：

• 回答更符合人類偏好；

• 擁有更強(qiáng)的數(shù)學(xué)推理能力；

• 在圖像解析、內(nèi)容識別以及視覺邏輯推導(dǎo)等任務(wù)中，表現(xiàn)出更強(qiáng)的準(zhǔn)確性和細(xì)粒度分析能力。

對比近期開源的 Mistral-Small-3.1-24B 、Gemma-3-27B-IT 等，Qwen2.5-VL-32B 在純文本能力上也達(dá)到了同規(guī)模的 SOTA 表現(xiàn)。在多個基準(zhǔn)上，Qwen2.5-VL-32B 甚至超過了 72B。

舉個栗子，比如根據(jù)一張交通指示牌照片，Qwen2.5-VL-32B 就能做如下精細(xì)的圖像理解和推理：

我正在這條路上駕駛一輛大卡車，現(xiàn)在 12 點(diǎn)了。我能在 13 點(diǎn)之前到達(dá) 110 公里遠(yuǎn)的地方嗎？

Qwen2.5-VL-32B 首先對時間、距離、卡車限速進(jìn)行分析，然后分步驟條理清晰推算出正確答案：

模型已經(jīng)開源，盡管自己前往實測～

Qwen2.5-VL-32B 更多表現(xiàn)示例

官方剛剛發(fā)布的技術(shù)博客中也放出了更多展示示例。

數(shù)學(xué)推理能力上，幾何體分析也不在話下：

同樣是先有問題分析環(huán)節(jié)，然后再分四個小步驟推理正確答案：

下面這種復(fù)雜難題也能解：

能夠依次類推，歸納出構(gòu)造規(guī)律：

像下面這種圖片理解就更不在話下了：

多輪深度提問也可以：

模型開源，已能實測

現(xiàn)在，阿里已將 Qwen2.5-VL-32B-Instruct 放在了 Hugging Face 上。

在 Qwen Chat 上就能直接體驗 Qwen2.5-VL-32B，感興趣的童鞋可以試試。

動作快的網(wǎng)友已經(jīng)開始在 MLX Community 運(yùn)行了：

在 Hacker News 上，網(wǎng)友也就 DeepSeek 和 Qwen 的舉動進(jìn)行了新一輪熱烈討論。網(wǎng)友紛紛表示：

開源贏了，奧爾特曼錯了。

值得一提的是，春節(jié)期間，DeepSeek 曾與阿里通義千問 Qwen 多次幾乎同時發(fā)布新模型，這一次又雙叒叕趕一塊去了。

杭州，原來真的是商量著一起發(fā)？？？

參考鏈接：

• [1]https://qwenlm.github.io/zh/blog/qwen2.5-vl-32b/

• [2]https://x.com/Alibaba_Qwen/status/1904227859616641534

• [3]https://news.ycombinator.com/item?id=43464068

本文來自微信公眾號：量子位（ID：QbitAI），作者：西風(fēng)，原標(biāo)題《32B 本地部署！阿里開源最新多模態(tài)模型：主打視覺語言，數(shù)學(xué)推理也很強(qiáng)》

廣告聲明：文內(nèi)含有的對外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。