阿里通义实验室开源32B参数的多模态模型 Qwen2.5-VL-32B-Instruct

35 0

今年一月底，阿里通义实验室推出了 Qwen2.5-VL 系列模型，凭借其卓越的性能和广泛的应用潜力，迅速获得了社区的广泛关注和积极反馈。在此基础上，团队通过强化学习持续优化模型，并于近期开源了备受期待的 32B 参数规模的新模型——Qwen2.5-VL-32B-Instruct。这一举措不仅进一步推动了多模态模型的发展，也为社区带来了更多创新的可能性。

项目主页：https://qwenlm.github.io/zh/blog/qwen2.5-vl-32b
模型：https://huggingface.co/Qwen/Qwen2.5-VL-32B-Instruct

Qwen2.5-VL-32B-Instruct 的特点

1. 更符合人类主观偏好的回复

相比此前发布的 Qwen2.5-VL 系列模型，新推出的 32B 模型在输出风格上进行了显著调整。回答更加详细、格式更加规范，并且更符合人类的偏好。这一改进使得模型在生成文本时能够更好地满足用户的需求，提升用户体验。

阿里通义实验室开源32B参数的多模态模型 Qwen2.5-VL-32B-Instruct

2. 显著提升的数学推理能力

Qwen2.5-VL-32B-Instruct 在复杂数学问题的求解上表现出色，准确性显著提升。这一改进使得模型在处理复杂的数学问题时更加可靠，能够为用户提供更准确的答案。

3. 更强的图像细粒度理解与推理能力

在图像解析、内容识别以及视觉逻辑推导等任务中，Qwen2.5-VL-32B-Instruct 表现出更强的准确性和细粒度分析能力。这一改进使得模型在处理图像相关任务时更加精准，能够更好地理解和推导图像内容。

性能表现

1. 多模态任务中的卓越表现

与业内先进的同规模模型进行比较，包括近期推出的 Mistral-Small-3.1-24B 和 Gemma-3-27B-IT，Qwen2.5-VL-32B-Instruct 展现出了明显的优势，甚至超越了更大规模的 Qwen2-VL-72B-Instruct 模型。尤其是在多模态任务中，例如 MMMU、MMMU-Pro 和 MathVista，这些任务强调复杂的多步骤推理，Qwen2.5-VL-32B-Instruct 表现尤为突出。

2. 主观用户体验评估中的显著进步

在注重主观用户体验评估的 MM-MT-Bench 基准测试中，Qwen2.5-VL-32B-Instruct 相较于其前代 Qwen2-VL-72B-Instruct 取得了显著进步。这一改进表明，新模型在生成内容的自然度和用户满意度方面有了显著提升。

3. 纯文本能力的最优表现

除了在视觉能力上的优秀表现，Qwen2.5-VL-32B-Instruct 在纯文本能力上也达到了同规模的最优表现。这一改进使得模型在处理文本任务时更加高效和准确，能够为用户提供高质量的文本生成服务。

开源与社区支持

Qwen2.5-VL-32B-Instruct 采用 Apache 2.0 协议开源，这意味着社区用户可以自由使用、修改和分发该模型。开源不仅促进了技术的共享和传播，也为社区带来了更多的创新机会。通过开源，开发者可以基于 Qwen2.5-VL-32B-Instruct 进行定制化开发，探索更多应用场景。