一、定位与开源情况

• 定位：Qwen2.5-VL 是 Qwen 模型家族的旗舰视觉语言模型，面向高端文档解析、智能问答、视觉 Agent 等场景。

• 开源情况：在 Hugging Face 和 ModelScope 开源 Base 和 Instruct 模型，包含 3B、7B、72B 三种尺寸。

二、核心特点

• 丰富感知能力：可识别常见物体，还能分析图像中的文本、图表、图标、图形和布局。

• 视觉 Agent 能力：能推理并动态使用工具，具备操作电脑和手机的能力。

• 长视频理解：支持超 1 小时长视频理解，具备秒级事件定位能力。

• 精准视觉定位：通过生成 bounding boxes 或 points 定位物体，提供稳定 JSON 输出。

• 结构化输出：支持发票、表单、表格等内容的结构化输出，适用于金融、商业等领域。

三、模型性能

• 旗舰模型表现：Qwen2.5-VL-72B-Instruct 在大学水平问题、数学、文档理解、视觉问答、视频理解和视觉 Agent 等多领域基准测试中表现出色，尤其在文档和图表理解上优势显著。

• 小模型优势：Qwen2.5-VL-7B-Instruct 超越 GPT-4o-mini；Qwen2.5-VL-3B 作为端侧 AI 潜力股，超越 Qwen2-VL 7B 模型。

四、模型能力案例

五、模型更新

• 时间与空间感知增强

  • 空间维度：动态转换图像尺寸为 token，使用实际尺寸表示坐标，无需归一化。

  • 时间维度：引入动态 FPS 训练和绝对时间编码，对齐 mRoPE id 与时间流速。

• 视觉编码器优化

  • 采用原生动态分辨率 ViT，引入窗口注意力机制，减少计算负担。

  • 仅四层全注意力层，其余层用窗口注意力，最大窗口 8x8，保持原始尺度。

  • 采用 RMSNorm 和 SwiGLU 结构，简化网络架构，与 LLMs 保持一致。

六、本地部署教程

• 环境要求：安装 Git、Python 3.10+，需支持 CUDA 的 PyTorch 及 Gradio

• 部署步骤

  1. 克隆仓库：git clone https://github.com/QwenLM/Qwen2.5-VL && cd Qwen2.5-VL
  2. 安装依赖：pip install -r requirements_web_demo.txt
  3. 更新 PyTorch：pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124
  4. 更新 Gradio：pip install -U gradio gradio_client

• 模型选择与启动

  3B 模型（8GB VRAM）：python web_demo_mm.py --checkpoint-path "Qwen/Qwen2.5-VL-3B-Instruct"
  7B 模型（更高显存）：python web_demo_mm.py --checkpoint-path "Qwen/Qwen2.5-VL-7B-Instruct"
  72B 模型（专业 GPU）：python web_demo_mm.py --checkpoint-path "Qwen/Qwen2.5-VL-72B-Instruct"

• 启动后访问：在浏览器打开http://127.0.0.1:7860

七、在线体验

若本地算力不足，可前往官方免费平台体验最新模型：https://chat.qwen.ai/

 如何学习AI大模型？

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

 

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓