Qwen2.5 VL 32B Instruct

Qwen2.5-VL-32B — это мультимодальная модель, сочетающая зрение и язык, дообученная с помощью обучения с подкреплением для улучшения математического мышления, структурированных выводов и возможностей решения визуальных задач. Она превосходно справляется с задачами визуального анализа, включая распознавание объектов, интерпретацию текста в изображениях и точную локализацию событий в длинных видео. Qwen2.5-VL-32B демонстрирует передовые результаты на мультимодальных тестах, таких как MMMU, MathVista и VideoMME, сохраняя при этом сильные способности к рассуждению и ясность в текстовых задачах, таких как MMLU, решение математических задач и генерация кода.