股票里什么是超配 可操控手机电脑！阿里云通义开源Qwen2.5-VL视觉理解能力提升

　　【大河财立方记者陈薇】1月28日凌晨，阿里云通义千问开源全新的视觉模型Qwen2.5-VL，推出3B、7B和72B三个尺寸版本。其中股票里什么是超配，旗舰版Qwen2.5-VL-72B在视觉理解方面，全面超越GPT-4o与Claude3.5。

　　拥有准确地解析图像内容也意味着，大模型无需微调就可变身为一个能操控手机和电脑的AI视觉智能体，其可以完成指定朋友送祝福、电脑修图、手机订票等多步骤复杂操作。

　　Qwen2.5-VL手机端AI Agent 演示：帮我给我的QQ好友张三，发送一条新春祝福

　　通义团队此前曾开源Qwen-VL及Qwen2-VL两代模型，支持开发者在手机、汽车、教育、金融、天文等不同场景进行AI探索，Qwen-VL系列模型全球总下载量超过3200万次，是业界最受欢迎的多模态模型。

　　1月28日，Qwen-VL升级到第三代版本。旗舰型模型Qwen2.5-VL-72B-Instruct此前评估中，在大学水平的问答、数学、文档理解、视觉问答、视频理解和视觉智能体方面表现出色，全面超越GPT-4o与Claude3.5。

　　新的Qwen2.5-VL视觉知识解析能力不仅能准确识别万物，还能解析图像的布局结构及其中的文本、图表、图标等复杂内容，比如从一张App截图中就能分析出插图和可点按钮等元素，或从多种格式中提取发票中的核心信息并做结构化的推理输出。

　　Qwen2.5-VL 的视频理解能力也大幅增强，可以更好地看清动态世界。在时间处理上，新模型引入了动态帧率（FPS）训练和绝对时间编码技术，使得Qwen2.5-VL不仅能够准确地理解小时级别的长视频内容，还可以在视频中搜索具体事件，并对视频的不同时间段进行要点总结，从而快速、高效地帮助用户提取视频中蕴藏的关键信息。打开摄像头，你就能与Qwen2.5-VL实时对话。

　　视觉感知、解析及推理能力的增强，让大模型自动化完成任务、与真实世界进行复杂交互成为可能。Qwen2.5-VL甚至能够直接作为视觉智能体进行操作，而无需特定任务的微调，比如让模型直接操作电脑和手机，根据提示自动完成查询天气、订机票、下载插件等多步骤复杂任务。

　　开发者基于Qwen2.5-VL也能快速简单开发属于自己的AI智能体，比如自动核验快递单地址与照片中的门牌号是否对应股票里什么是超配，根据家庭摄像头判断猫咪状况进行自动喂食等。

• 手机
• 阿里
• 操控
• 电脑
• 股票里什么是超配