阿里云通义千问开源第二波!大规模视觉语言模型Qwen (阿里云通义千问)

文章编号:40636 资讯动态 2024-12-03 通义千问魔搭社区阿里

通义千问开源第二波!8月25日消息,阿里云推出大规模视觉语言模型Qwen-VL,一步到位、直接开源。Qwen-VL以通义千问70亿参数模型Qwen-7B为基座语言模型研发,支持图文输入,具备多模态信息理解能力。在主流的多模态任务评测和多模态聊天能力评测中,Qwen-VL取得了远超同等规模通用模型的表现。

Qwen-VL是支持中英文等多种语言的视觉语言(Vision Language,VL)模型,相较于此前的VL模型,Qwen-VL除了具备基本的图文识别、描述、问答及对话能力之外,还新增了视觉定位、图像中文字理解等能力。

云开源第二波!大规模视觉语言模型Qwen-VL上线魔搭社区

多模态是通用人工智能的重要技术演进方向之一。业界普遍认为,从单一感官的、仅支持文本输入的语言模型,到“五官全开”的,支持文本、图像、音频等多种信息输入的多模态模型,蕴含着大模型智能跃升的巨大可能。多模态能够提升大模型对世界的理解程度,充分拓展大模型的使用场景。

视觉是人类的第一感官能力,也是研究者首先想赋予大模型的多模态能力。继此前推出M6、OFA系列多模态模型之后,阿里云通义千问团队又开源了基于Qwen-7B的大规模视觉语言模型(Large Vision Language Model, LVLM)Qwen-VL。Qwen-VL及其视觉AI助手Qwen-VL-Chat均已上线ModelScope魔搭社区,开源、免费、可商用。

用户可从魔搭社区直接下载模型,也可通过阿里云灵积平台访问调用Qwen-VL和Qwen-VL-Chat,阿里云为用户提供包括模型训练、推理、部署、精调等在内的全方位服务。

云开源第二波!大规模视觉语言模型Qwen-VL上线魔搭社区

Qwen-VL可用于知识问答、图像标题生成、图像问答、文档问答、细粒度视觉定位等场景。

比如,一位不懂中文的外国游客到医院看病,不知怎么去往对应科室,他拍下楼层导览图问Qwen-VL“骨科在哪层”“耳鼻喉科去哪层”,Qwen-VL会根据图片信息给出文字回复,这是图像问答能力;再比如,输入一张上海外滩的照片,让Qwen-VL找出东方明珠,Qwen-VL能用检测框准确圈出对应建筑,这是视觉定位能力。

Qwen-VL是业界首个支持中文开放域定位的通用模型,开放域视觉定位能力决定了大模型“视力”的精准度,也即,能否在画面中精准地找出想找的事物,这对于VL模型在机器人操控等真实应用场景的落地至关重要。

云开源第二波!大规模视觉语言模型Qwen-VL上线魔搭社区

云开源第二波!大规模视觉语言模型Qwen-VL上线魔搭社区

Qwen-VL以Qwen-7B为基座语言模型,在模型架构上引入视觉编码器,使得模型支持视觉信号输入,并通过设计训练过程,让模型具备对视觉信号的细粒度感知和理解能力。Qwen-VL支持的图像输入分辨率为448,此前开源的LVLM模型通常仅支持224分辨率。在Qwen-VL 的基础上,通义千问团队使用对齐机制,打造了基于LLM的视觉AI助手Qwen-VL-Chat,可让开发者快速搭建具备多模态能力的对话应用。

在四大类多模态任务(Zero-shot Caption/VQA/DocVQA/Grounding)的标准英文测评中,Qwen-VL取得了同等尺寸开源LVLM的最好效果。为了测试模型的多模态对话能力,通义千问团队构建了一套基于GPT-4打分机制的测试集“试金石”,对Qwen-VL-Chat及其他模型进行对比测试,Qwen-VL-Chat在中英文的对齐评测中均取得了开源LVLM最好结果。

8月初,阿里云开源通义千问70亿参数通用模型Qwen-7B和对话模型Qwen-7B-Chat,成为国内首个加入大模型开源行列的大型科技企业。通义千问开源模型刚一上线就广受关注,当周冲上HuggingFace趋势榜单,不到一个月在GitHub收获3400多星,模型累计下载量已突破40万。

开源地址

ModelScope魔搭社区:

Qwen-VL

Qwen-VL-Chat

模型体验:

HuggingFace:

Qwen-VL

Qwen-VL-Chat

技术论文地址:

版权文章,未经授权禁止转载。详情见 转载须知 。

全局中部横幅
新华网

中国主要重点新闻网站,依托新华社遍布全球的采编网络,记者遍布世界100多个国家和地区,地方频道分布全国31个省市自治区,每天24小时同时使用6种语言滚动发稿,权威、准确、及时播发国内外重要新闻和重大突发事件,受众覆盖200多个国家和地区,发展论坛是全球知名的中文论坛。

智能TDK

智能TDK是一款实用在线工具,通过AI算法一键生成符合搜索引擎算法的TDK内容,帮助网站提高搜索排名和流量。快来试试吧!

英雄联盟全新官方网站

英雄联盟官方网站,海量风格各异的英雄,丰富、便捷的物品合成系统,游戏内置的匹配、排行和竞技系统,独创的“召唤师”系统及技能、符文、天赋等系统组合,必将带你进入一个崭新而又丰富多彩的游戏世界。

WIKA代理商

北京博朗宁科技有限公司(www.browninginst.com)是一家德国威卡(wika)压力变送器、WIKA代理商,型号齐全,产品应用涵盖石油化工、石油天然气、水利、电力、工业与民用建筑、水及污水处理、实验室、化工与冶金等诸多行业。

企业展厅设计

鼎晟展示为全国百强企业及事业单位提供展馆展厅策划-设计-科技-施工-运维等系统解决方案,业务涉及:数字展厅、多媒体展厅、科技展厅、集团企业展厅、文化博物馆、科普教育馆、城市规划馆、园区展示中心、党建馆等各领域展厅展馆建设。 鼎晟展示专注于长期型展馆展厅的全生命周期服务,以“文化+科技”融合创新为持续动力、专业的视角、创新的思维、高新的技术为导向为客户提供卓越的创意与服务。

旋风布袋式除尘器厂家

河南蓝翼环保科技有限公司是一家从事环保设备、输送设备、烘干设备、振动设备等研发、生产和销售的专业性公司。

思涵书屋

思涵书屋,为您提供优质好书在线阅读。多样题材小说,让您畅享阅读时光。

杭州中央空调

杭州实诺暖通工程有限公司,专业从事中央空调设计、销售、安装、维修、保养、移机、改造服务,为您提供一站式暖通解决方案,免费提供现场勘查、方案设计和报价,欢迎致电0571-82535674或18067936162添加微信snnt-zmx。主要代理销售格力、美的、天加中央空调,专注于中央空调暖通机电领域,为您的办公室、酒店、商铺、厂房车间等场所提供专业、优质、快捷的暖通安装、改造服务。

兔七攻略网

本站为您提供最新最全的游戏资讯、攻略和评测。下载热门游戏,参与电子竞技,享受游戏的乐趣。无论是新手玩家还是资深玩家,都能在这里找到适合自己的游戏内容。

到期域名查询抢注

慧域名网(huiyuming.com)是国内互联网域名综合服务平台,服务范围涵盖了域名注册查询、到期域名抢注、域名买卖交易、域名续费管理等多项业务,玩域名,认准慧域名网。

自助查券

每日更新数万款天猫淘宝大额优惠券,领券一折购,想要什么,一键全网搜索,精选大牌底价开团,聚划算淘抢购一送一,第二件0元,海量折扣应有尽有,专业人工团队严控产品品质,帮你花更少钱买好货

全局底部横幅